自强制

训练时就让视频模型接着自己生成的画面往下生成，消除训练与推理的差异。

Self Forcing 是 Adobe Research 与得克萨斯大学奥斯汀分校的 Xun Huang 等人 2025 年 6 月提出的自回归视频扩散训练方法（NeurIPS 2025 Spotlight）。自回归视频模型一段段往后生成，以往用教师强制（以真实前文为条件）或扩散强制（以加噪的真实前文为条件）训练，推理时却只能接自己生成的、带误差的前文，这种不一致叫曝光偏差，会让长视频越生成越差。Self Forcing 在训练时就按推理方式用 KV 缓存自回归展开，以自己生成的帧为条件，再对整段视频算整体损失。它基于 Wan2.1-T2V-1.3B，在单卡上做到亚秒级延迟的实时流式生成，这对需要边生成边响应动作的交互式世界模型很有用。

例子据项目页，Self Forcing 模型在单张 H100 上以约 16 帧/秒生成 480P 视频，首帧延迟约 0.8 秒，在单张 RTX 4090 上也能实时流式生成。

也叫

自强制训练、Self-Forcing

相关

教师强制、扩散强制、曝光偏差（自回归误差累积）、自回归视频生成、KV 缓存、扩散步数蒸馏

来源

Huang et al. 2025: Self Forcing: Bridging the Train-Test Gap in Autoregressive Video Diffusion
Self Forcing 项目页
GitHub: guandeh17/Self-Forcing

信息截至

2025-11