MiMaAlign：面向物理合理视频生成的层次化微宏观对齐

MiMaAlign 提出层次化微观-宏观对齐框架，将连续动力学与事件常识两类知识分别注入预训练视频扩散模型的不同抽象深度：微观层用 Neural ODE 学习的连续时间运动表示约束扩散特征，宏观层用指令提示的 VLM 提供物体交互与事件语义表示。

摘自 arXiv Computer Vision

还没有足够的连续观测数据，暂不绘制趋势。