ForcingBooster：视频扩散按块自适应分配去噪步数

2026年10月12日，arXiv 计算机视觉（一手）发布 ForcingBooster，提出一种面向快速自回归视频扩散模型的通用框架：为视频各分块动态分配去噪步数，简单分块提前停止，困难分块获得更多细化步数。该方法兼容大多数现有少步自回归扩散模型，仅需轻量路由模块与少量训练。实验显示，其将视频分块的总去噪步数减少约 50%，同时保持与四步基线相当的视觉质量。这是目前该事件唯一报道，无更早或矛盾信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。