🎬 视频生成¶
💬 ACL2026 · 3 篇论文解读
- Accelerating Training of Autoregressive Video Generation Models via Local Optimization with Representation Continuity
-
提出 Local Optimization + Representation Continuity (ReCo) 训练策略，通过在局部窗口内优化并约束隐状态的平滑过渡，实现自回归视频生成模型训练速度提升 2 倍且不牺牲生成质量。
- OSCBench: Benchmarking Object State Change in Text-to-Video Generation
-
提出 OSCBench——首个专门评估文生视频模型中物体状态变化（OSC）能力的基准，基于烹饪场景构建 1,120 条提示覆盖常规/新颖/组合三类场景，揭示即使最强 T2V 模型在 OSC 准确率上也仅达 0.786。
- Self-Correcting Text-to-Video Generation with Misalignment Detection and Localized Refinement
-
提出 VideoRepair，首个免训练、模型无关的文本到视频自校正框架，通过 MLLM 检测细粒度文本-视频不对齐，保留正确区域并选择性修复问题区域，在 EvalCrafter 和 T2V-CompBench 上跨四种 T2V 骨干模型一致提升对齐质量。