One-Forcing：面向稳定单步自回归视频生成的探索

近期进展显著提升了自回归范式下实时交互式视频生成的性能。然而，大多数现有的few-step自回归视频生成方法通常从对应的many-step教师模型蒸馏而来，默认采用4步采样配置，部署时仍存在较大延迟，且在进一步减少采样步骤后（尤其是单步设置）会出现严重的质量下降。基于轨迹风格的一致性蒸馏方法常产生动态较弱的视频，而基于DMD的方法（如Self-Forcing）倾向于生成模糊的帧。为此，我们提出了One-Forcing，一种简单而有效的方法，通过在DMD目标中引入辅助GAN损失，以实现高质量且高效的单步视频生成。在VBench上的实验表明，One-Forcing获得83.76的总体得分，在单步因果视频生成方法中取得最新SOTA性能，并与强大的many-step方法保持竞争力。我们进一步展示，仅需三分之一的训练成本即可实现稳定的单步帧级自回归生成，该设置在先前方法中难以成功实现。