論文の概要: Prospective Forcing: Learning to Look Ahead for Autoregressive Long Video Diffusion

• arxiv url: http://arxiv.org/abs/2610.14654v1
• Date: Sat, 10 Oct 2026 07:07:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.086387
• Title: Prospective Forcing: Learning to Look Ahead for Autoregressive Long Video Diffusion
• Title（参考訳）: 前向きな強制: 自己回帰的長時間ビデオ拡散のための前向きな学習
• Abstract要約: 自動回帰ビデオジェネレータは、チャンクワイドなロールアウトを通じて長いビデオを合成するが、通常は近い将来にのみ予測するように訓練されている。 本稿では,遠距離予測信号を自動回帰映像表現に注入するマルチヘッド予測フレームワークであるProspective Forcingを紹介する。
• 参考スコア（独自算出の注目度）: 22.96214624494777
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autoregressive video generators synthesize long videos through chunk-wise rollouts, yet they are typically trained to predict only the immediate future. This limited prediction horizon makes it challenging to maintain video quality over extended rollouts. To address this problem, we introduce Prospective Forcing, a multi-head prediction framework that injects long-range predictive signals into autoregressive video representations. Built on a rolling-window generator, Prospective Forcing attaches lightweight, offset-specific heads that share the same conditioning information and independently predict chunks at different future temporal offsets. By extending supervision beyond the next chunk, these heads encourage the shared history representation to retain information useful for longer-horizon prediction, supporting temporally consistent generation. At inference time, we accelerate sampling by using accepted future-chunk predictions to skip full-window backbone executions. We equip the head with learnable embeddings to generate multiple candidates for the next chunk, and a learned verifier either selects a candidate or rejects all and falls back to standard autoregressive generation.
• Abstract（参考訳）: 自動回帰ビデオジェネレータは、チャンクワイドなロールアウトを通じて長いビデオを合成するが、通常は近い将来にのみ予測するように訓練されている。 この限られた予測の地平線は、拡張されたロールアウトよりもビデオの品質を維持することを困難にしている。 この問題に対処するために,遠距離予測信号を自動回帰映像表現に注入するマルチヘッド予測フレームワークであるProspective Forcingを導入する。 ローリングウィンドウジェネレータ上に構築されたProspective Forcingは、軽量でオフセット固有のヘッドをアタッチし、同じ条件情報を共有し、異なる将来の時間的オフセットでチャンクを独立して予測する。 これらのヘッドは、次のチャンクを超えて監督を拡大することにより、時間的に一貫した生成をサポートするために、長い水平予測に有用な情報を保持するように共有履歴表現を奨励する。 提案手法は,提案手法を用いて,提案手法を高速化し,全ウィンドウバックボーン実行をスキップする。 我々は、次のチャンクの複数の候補を生成するために学習可能な埋め込みをヘッドに装備し、学習検証器は候補を選択したり、全てを拒否したり、標準の自己回帰生成にフォールバックする。

関連論文リスト

• Self Gradient Forcing: Native Long Video Extrapolation [60.00513917489133]
  自己グラディエント強制は、歴史的文脈-段階的ギャップを回復する。 コードとモデルがリリースされ、自動回帰ビデオ生成の研究が進められる。
  論文  参考訳（メタデータ） (2026-07-22T16:59:23Z)
• Predicting Long-horizon Futures by Conditioning on Geometry and Time [49.86180975196375]
  我々は,過去を前提とした将来のセンサ観測の課題を探求する。 マルチモーダリティを扱える画像拡散モデルの大規模事前学習を活用する。 我々は、屋内と屋外のシーンにまたがる多様なビデオのセットについて、ビデオ予測のためのベンチマークを作成する。
  論文  参考訳（メタデータ） (2024-04-17T16:56:31Z)
• STDiff: Spatio-temporal Diffusion for Continuous Stochastic Video Prediction [20.701792842768747]
  時間領域上に無限次元の潜伏変数を持つ新しい映像予測モデルを提案する。 我々のモデルは、時間的連続予測、すなわち教師なしの方法で、任意に高いフレームレートで予測することができる。
  論文  参考訳（メタデータ） (2023-12-11T16:12:43Z)
• Long-Term Prediction of Natural Video Sequences with Robust Video Predictors [12.763826933561244]
  本研究では、ロバストビデオ予測器(RoViPs)の作成を支援する既存の作業の改善点をいくつか紹介する。 深い知覚と不確実性に基づく再建損失を組み合わせることで,高品質な短期予測を実現できることを示す。 注意に基づくスキップ接続は、入力特徴の長距離空間移動を可能とし、さらなる性能向上を可能にする。
  論文  参考訳（メタデータ） (2023-08-21T23:16:58Z)
• Temporally Consistent Transformers for Video Generation [80.45230642225913]
  正確なビデオを生成するには、アルゴリズムは世界の空間的および時間的依存関係を理解する必要がある。 時間依存性のあるビデオ生成を厳格に評価するために、複雑なデータに関する確立されたベンチマークは存在しない。 本稿では,長期間の一貫性を著しく向上し,サンプリング時間を短縮するTemporally Consistent Transformer(TECO)を提案する。
  論文  参考訳（メタデータ） (2022-10-05T17:15:10Z)
• HARP: Autoregressive Latent Video Prediction with High-Fidelity Image Generator [90.74663948713615]
  我々は,高忠実度未来のフレームを予測可能な自己回帰遅延映像予測モデルを訓練する。 既存のモデルに最小限の修正を加えて高解像度(256x256)ビデオを作成する。
  論文  参考訳（メタデータ） (2022-09-15T08:41:57Z)
• Video Prediction at Multiple Scales with Hierarchical Recurrent Networks [24.536256844130996]
  本稿では,異なるレベルの粒度の将来の結果を同時に予測できる新しい映像予測モデルを提案する。 空間的および時間的ダウンサンプリングを組み合わせることで、MSPredは長い時間的地平線上での抽象表現を効率的に予測することができる。 実験では,提案モデルが将来の映像フレームだけでなく,様々なシナリオにおける他の表現を正確に予測できることを実証した。
  論文  参考訳（メタデータ） (2022-03-17T13:08:28Z)
• Revisiting Hierarchical Approach for Persistent Long-Term Video Prediction [55.4498466252522]
  従来の手法よりも桁違いに長い予測時間を持つビデオ予測の新しい標準を設定しました。 本手法は,まず意味構造列を推定し,その後,映像から映像への変換により,画素に翻訳することにより,将来的なフレームを予測する。 本手法は,自動車運転と人間のダンスに関する3つの課題データに基づいて評価し,非常に長い時間にわたって複雑なシーン構造と動きを生成できることを実証した。
  論文  参考訳（メタデータ） (2021-04-14T08:39:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。