RepForcing：自回归视频蒸馏表征初始化

2026年10月15日，Siming Fu等作者在arXiv计算机视觉板块提交论文，提出RepForcing方法，用于将预训练视频扩散模型蒸馏为少步自回归生成器。该方法以表征空间监督学习少步因果初始化，替代中间教师轨迹回归，并复用双向模型生成的合成视频，省去教师训练与因果ODE蒸馏，且不生成额外因果ODE轨迹。论文报告称，在四步采样下，RepForcing在DMD之前比基于中间教师的初始化更好地保持生成质量；经DMD后，其四步分块模型相较所报告的因果ODE基线，将VBench Total从84.04提升至84.66（+0.62分），VisionReward从6.326提升至10.074（+59.25%）。目前该工作处于论文提交阶段，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。