Newest papers

Looking Ahead: Modeling Future Evolution in Autoregressive Video Generation

Ruopeng Gao, Yukun Huang, Jiarui Hu, Shuai Wang, Wenbo Hu, Ying Shan, Limin Wang · 2026 · arXiv

DOI: 10.48550/arXiv.2610.29989 · open-access PDF

Hindi

ऑट्रोरेजिव वीडियो प्रसारण मॉडल टुकड़े के साथ वीडियो उत्पन्न करते हैं, हालांकि सचमुच निरंतरताओं का उत्पादन करने से यह गारंटी नहीं मिलती है कि वे कैप्चर करते हैं कि दृश्य कैसे विकसित होते हैं. शिक्षक को मजबूर करने के तहत, मजबूत समय रिडंडन स्थानीय दृश्य निरंतरता को वर्तमान-चंक denoising के लिए एक संक्षिप्त संदर्भ के रूप में काम करने की अनुमति दे सकता है, दृश्य विकास मॉडल करने के लिए दबाव को कम करता है। हम Future Chunk Prediction (FCP) को पेश करते हैं, एक सहायक उद्देश्य जो शिक्षक द्वारा मजबूर denoising के साथ संयुक्त रूप से अनुकूलित है जो हस्तक्षेपशील दृश्य संदर्भ तक पहुंच के बिना समय से अलग टुकड़े भविष्यवाणी करता

Machine translation (Meta M2M100); the English original follows.

Abstract

Autoregressive video diffusion models generate videos chunk by chunk, yet producing plausible continuations does not guarantee that they capture how scenes evolve. Under teacher forcing, strong temporal redundancy may allow local visual continuity to serve as a shortcut for current-chunk denoising, reducing the pressure to model visual evolution. We introduce Future Chunk Prediction (FCP), an auxiliary objective jointly optimized with teacher-forced denoising that predicts temporally separated chunks without access to the intervening visual context. Drawing supervision directly from training v

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange