APEX 把少步流式视频生成改成了共享网络设计:生成视频的分布由生成器自己估计,不再单独维护 DMD 那套独立的假评分网络。换句话说,DMD 里那个额外的“假网络”被直接拿掉了。
打开网易新闻 查看精彩图片
效果落在具体数字上。在每块三次骨干评估的设置下,对比 S2-Avatar,APEX 在 Progressive 赛道的视频指令完成度上得分 3.856 对 3.831,在两个基准赛道上的视觉美感得分也更高,为 0.641898 对 0.632606。
在 70 组人工对比研究中,它最明显的优势是指令遵循,净偏好为 +30.0%。同等训练条件下,峰值 GPU 显存比 DMD 低 4.4%,迭代时间短 9.2%。
这套方法瞄准的是长视频流式生成场景——每生成一个新的视频块,都要重复进行模型评估,开销会不断累积。APEX 保留了 S2-Avatar 的冻结参考教师、Self-Replay Forcing(用模型自身因果推演回放出的片段做训练)以及感知正则化,只替换掉那个独立的假估计器。
长视频样本把 Progressive 与 Interactive 两类基准提示词和多样的动作、叙事搭配在一起,为流式设定和指令遵循这两项被定量评估的能力提供了具体语境。
热门跟贴