生成模型与扩散 / CVPR2026
面向视频帧插值的整体建模：自回归扩散 Transformer
Towards Holistic Modeling for Video Frame Interpolation with Auto-regressive Diffusion Transformers
把视频帧插值从「三元组」式局部处理改为整段视频的自回归扩散 Transformer 建模，配合 skip-concatenate 采样抑制误差累积、稀疏局部注意力与瓦片式 VAE 编码支持 4K 任意分辨率推理，可直接迁移到长视频生成与视频复原任务的长时序一致性建模。
扩散-Transformer自回归生成视频帧插值