論文の概要: LongForcing: Scaling Temporal Manifold Matching for Long-Horizon World Rollout
- arxiv url: http://arxiv.org/abs/2610.18289v1
- Date: Tue, 13 Oct 2026 12:39:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:33:53.560369
- Title: LongForcing: Scaling Temporal Manifold Matching for Long-Horizon World Rollout
- Title（参考訳）: ロングフォース: 長軸ワールドロールアウトのためのテンポラルマニフォールドマッチングのスケーリング
- Abstract要約: ロングフォース(LongForcing)は、教師の指導を長期の学生の自己学習に拡大する蒸留手法である。
我々はLongForcingをテキスト・ビデオ生成とインタラクティブなアクション条件付き世界モデルで評価する。
- 参考スコア（独自算出の注目度）: 18.616240225404052
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autoregressive video diffusion models have emerged as a foundation for long-horizon world rollout. However, when extended far beyond their training windows, these models suffer from progressive drift: visual quality deteriorates, motion becomes inconsistent, and object identity gradually collapses as generated frames are recursively reused as context. We study a supervision-horizon gap: short-horizon distillation leaves later rollout states without direct supervision. We show that matching short-window marginals need not determine long-horizon behavior, while longer on-policy trajectories expose delayed failures to training. This motivates temporal manifold matching at scale for long-horizon world models. Building on this insight, we introduce LongForcing, a distillation approach that scales teacher supervision to long student self-rollouts. LongForcing preserves the short-horizon teacher-forcing and causal ODE-distillation stages, while replacing the realscore teacher in the final distribution-matching stage with an extended-horizon bidirectional teacher. The long-horizon teacher supervises extended student self-rollouts using the standard distribution-matching formulation, without modifying the student architecture or increasing inference cost. We evaluate LongForcing on text-to-video generation and interactive action-conditioned world models, achieving a VBench Quality score of 85.52 and improving WorldRoamBench 60s action score by 23.9 points in first-person ablations. Qualitative stress tests further sample interactive rollouts up to 24 hours, far beyond the training horizon. These results suggest that scaling supervision along the temporal axis is a practical step toward long-horizon world models. The project website and code are at https://github.com/Fantasy-AMAP/LongForcing.
- Abstract（参考訳）: 自己回帰ビデオ拡散モデルは、長期的世界展開の基盤として浮上している。
視覚的品質は劣化し、動きは不整合となり、生成したフレームがコンテキストとして再帰的に再利用されるにつれて、オブジェクトの同一性は徐々に崩壊する。
本研究は, 監督・水平ギャップ, 短水平蒸留葉, 後続のロールアウト状態について, 直接の監督なしに検討する。
短窓辺縁のマッチングは、長い水平行動を決定する必要はなく、また、より長い政治軌道は、訓練の遅れを露呈することを示します。
これは、長い水平世界モデルに対するスケールでの時間多様体マッチングを動機付けている。
この知見に基づいて,教師の指導を長期学生のセルフロールアウトに拡大する蒸留アプローチであるLongForcingを紹介した。
ロングフォースは、最終配電段階におけるリアルスコアの教師を、拡張水平双方向の教師に置き換えつつ、短水平の教師強制と因果のODE蒸留の段階を保っている。
ロングホライゾン教師は、学生のアーキテクチャを変更したり、推論コストを増大させることなく、標準分布マッチング定式化を用いて、拡張された学生のセルフロールアウトを監督する。
VBench Qualityスコア85.52、WorldRoamBench 60sアクションスコア23.9ポイント改善した。
定性的ストレステストはさらに24時間まで、トレーニングの地平線を越えて対話的なロールアウトをサンプリングした。
これらの結果は,時間軸に沿ったスケーリングの監督が,長期的世界モデルへの実践的な一歩であることを示唆している。
プロジェクトのWebサイトとコードはhttps://github.com/Fantasy-AMAP/LongForcing.comにある。
関連論文リスト
- LongTake: Learning to Sustain Dynamics in Long-Horizon Video Generation [37.92967451984813]
LongTakeはLong-Horizon Teacher Forcing(TF)を中心に作られた2段階のトレーニングパイプラインで、リアルタイムビデオのキュレーションを行っている。
TFはARモデルをトレーニングし、長い地平線ビデオプレフィックスで条件付けられた後続のフレームを予測する。
LongTakeは、ダイナミック度と審美的品質の前面にあり、Hybrid DMDは、30年代と60年代の評価手法の中で、最も高いダイナミック度を達成している。
論文 参考訳（メタデータ） (2026-09-29T21:23:10Z) - WorldPlay2: Extending Real-Time Interactive World Models in Control and Horizon [50.51149739261809]
インタラクティブな世界モデルは、多目的制御にリアルタイムで応答し、長い水平一貫性を維持する必要がある。
圧縮メモリと安定蒸留の共設計と、分解されたハイブリッド制御インタフェースを結合した対話型世界モデルWorldPlay2を提案する。
論文 参考訳（メタデータ） (2026-09-28T16:28:25Z) - FlexiWorld: Learning and Planning via Flexible Action Chunks Across Multiple Time Scales [15.338055488719938]
潜在世界モデルは、複数の原始的なステップにまたがるアクションチャンクを使用して、ゴール指向の計画のための将来の状態を予測する。
我々は,JEPAベースのワールドモデルであるFlexiWorldを紹介した。
論文 参考訳（メタデータ） (2026-09-28T13:26:49Z) - HorizonDrive: Self-Corrective Autoregressive World Model for Long-horizon Driving Simulation [43.56520703300463]
HorizonDriveはAR駆動シミュレーションのためのアンチドリフティングトレーニング・アンド・蒸留フレームワークである。
境界メモリ下でのミニスケールARロールアウトをサポートする。
FIDを52%下げ、FVDを37%下げ、AREとDTWを9%下げる。
論文 参考訳（メタデータ） (2026-05-12T06:22:16Z) - Mode Seeking meets Mean Seeking for Fast Long Video Generation [79.62764340469]
ビデオ生成を数秒から数分にスケールすることは、重大なボトルネックに直面している。
そこで本研究では,モードシーキングが平均シーキングに適合する訓練パラダイムを提案する。
本手法は局所的なシャープネス, 動き, 長距離一貫性を両立させることにより, 比重-水平ギャップを効果的に解消する。
論文 参考訳（メタデータ） (2026-02-27T18:59:02Z) - Context Forcing: Consistent Autoregressive Video Generation with Long Context [74.08361435348873]
長文教師を介して長文学生を訓練するフレームワークであるtextbfContext Forcingを提案する。
教師が全世代の歴史に気付くことを保証することで、教師のミスマッチを解消する。
提案手法は,最先端手法の2倍から10倍の20秒を超える有効コンテキスト長を実現する。
論文 参考訳（メタデータ） (2026-02-05T18:58:01Z) - LIVE: Long-horizon Interactive Video World Modeling [39.52605866460851]
Long-Horizon Interactive Video world modElは、新しいサイクル一貫性の目的を通じて境界付きエラー蓄積を実行する。
Liveはロングホライゾンベンチマークで最先端のパフォーマンスを達成し、ロールアウト期間のトレーニングを超えて、安定した高品質のビデオを生成する。
論文 参考訳（メタデータ） (2026-02-03T17:10:03Z) - End-to-End Training for Autoregressive Video Diffusion via Self-Resampling [63.84672807009907]
自己回帰ビデオ拡散モデルは、世界シミュレーションの可能性を保っているが、列車テストミスマッチに起因する露出バイアスに弱い。
教師なしのフレームワークであるResampling Forcingを導入し、スクラッチから大規模まで自動回帰ビデオモデルのトレーニングを可能にする。
論文 参考訳（メタデータ） (2025-12-17T18:53:29Z) - BAgger: Backwards Aggregation for Mitigating Drift in Autoregressive Video Diffusion Models [50.986189632485285]
モデル自身のロールアウトから補正軌道を構築する自己教師型スキームであるバックワードアグリゲーション(BAgger)を導入する。
数段階の蒸留と分配整合損失に依存する従来のアプローチとは異なり、BAggerは標準的なスコアやフローマッチングの目的を持つ列車である。
因果拡散変換器でBAggerをインスタンス化し、テキスト・ツー・ビデオ、ビデオ・エクステンション、マルチプロンプト・ジェネレーションで評価する。
論文 参考訳（メタデータ） (2025-12-12T23:02:02Z) - Self-Forcing++: Towards Minute-Scale High-Quality Video Generation [50.945885467651216]
拡散モデルは画像とビデオ生成に革命をもたらし、前例のない視覚的品質を達成した。
最近の研究は、主に短水平双方向教師の蒸留によって、長時間のビデオ生成のための自己回帰的定式化を探求している。
長ビデオ教師の監督や長ビデオデータセットの再訓練を必要とせずに、長ビデオ生成における品質劣化を軽減するための、単純かつ効果的なアプローチを提案する。
論文 参考訳（メタデータ） (2025-10-02T17:55:42Z)
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。