Tag · 3 篇
长时序生成
分布 生成模型与扩散23D 视觉与重建1
01 02 03
RAYNOVA：射线空间中的尺度-时序自回归世界建模
RAYNOVA: Scale-Temporal Autoregressive World Modeling in Ray Space
RAYNOVA 提出基于相对 Plücker 射线位置编码的各向同性时空表示，结合双因果自回归框架统一处理尺度与时间拓扑顺序，为多视角视频生成提供了一种无需显式 3D 几何先验的通用方法，可启发视觉研究者设计更鲁棒的世界模型。
OpenT2M：基于开源、大规模、高质量数据的无冗余运动生成
OpenT2M: No-frill Motion Generation with Open-source, Large-scale, High-quality Data
2D-PRQ 按人体生物学部位划分并捕捉时空依赖的运动分词器，可复用于人体动作表示与长时序运动合成；OpenT2M 的物理可行性校验与多粒度过滤流程，为构建高质量人体运动数据提供可借鉴的自动化管线。
BAgger：用于缓解自回归视频扩散模型漂移的反向聚合方法
BAgger: Backwards Aggregation for Mitigating Drift in Autoregressive Video Diffusion Models
针对自回归视频扩散模型的曝光偏差问题，BAgger 用模型自身 rollout 构造纠错轨迹，并以标准 score/flow matching 目标训练，无需少步蒸馏或长链 BPTT；做长视频自回归生成或世界模型时可作为缓解误差累积的通用训练策略。