长时序一致性

MoCoDiff：面向富有表现力动作生成的可控自回归扩散模型

MoCoDiff: A Controllable Autoregressive Diffusion Model for Expressive Motion Generation

把语义、风格、历史三类条件拆成独立的轻量线性调制通路（IMC/TIMC），避免融合条件互相干扰，这一思路可直接迁移到视频生成、人体动作/手势动画等需要长时序一致性与多条件可控的扩散生成任务。