Stable Video Infinity：通过误差循环实现无限时长视频生成
计算机视觉与模式识别
2025-10-13 v1
摘要
我们提出了 Stable Video Infinity (SVI)，能够生成长度无限的视频，具有高时序一致性、合情合理的场景转换以及可控的流式叙事线。虽然现有长视频方法试图通过手工防漂移措施（如修改噪声调度器、帧锚定）来缓解累积误差，但仅限于单提示外推，产生单一且重复的运动场景。我们认识到，这一根本性挑战超越了误差累积，关键在于训练假设（看到干净数据）与测试时的自回归现实（以自生成的误差性输出为条件）之间的严重差异。为弥合这一假设差距，SVI 引入误差循环微调，这是一种新型高效训练方法，将扩散转换器（DiT）自身生成的误差循环为监督性提示，从而鼓励 DiT 积极识别和纠正其自身误差。这通过闭环循环、注入、收集和储存误差来实现：具体而言，我们（i）将 DiT 注入的历史误差用于干净输入上进行干预，模拟在流匹配中的误差累积轨迹；（ii）使用单步双向积分高效近似预测并计算残差误差；（iii）在离散化时间步上动态将误差储存到回放记忆中，这些记忆被抽样用于新的输入。SVI 能够将视频规模从几秒钟扩展到无限时长，无需额外推理成本，同时与多样化条件（如音频、骨架和文本流）兼容。我们在三个基准上评估 SVI，包括一致性、创造性和条件设置，充分验证了其多样性和最先进作用。
引用
@article{arxiv.2510.09212,
title = {Stable Video Infinity: Infinite-Length Video Generation with Error Recycling},
author = {Wuyang Li and Wentao Pan and Po-Chien Luan and Yang Gao and Alexandre Alahi},
journal= {arXiv preprint arXiv:2510.09212},
year = {2025}
}
备注
Project Page: https://stable-video-infinity.github.io/homepage/