自己回帰型ビデオ生成における未来チャンク予測（FCP）による将来の映像変化のモデリング

自己回帰型ビデオ拡散モデルに、未来チャンク予測（FCP）を補助目的として加える手法が提案された。FCPは、間の映像文脈を与えずに時間的に離れたチャンクを予測させ、標準的な教師強制学習より物理的妥当性の高い映像を、より少ない学習計算量で実現する。追加の事前学習済みビジュアルエンコーダは不要で、推論の仕組みは変わらない。