FCP 用未来片段预测辅助自回归视频训练，提升物理合理性且算力更低。
资讯摘要
论文提出 Future Chunk Prediction（FCP），作为与教师强制去噪联合优化的辅助目标，在缺少中间视觉上下文的情况下预测时间上相隔的片段。作者认为，教师强制下强时间冗余会让局部视觉连续性成为当前片段去噪的捷径，削弱对场景演化的建模压力。FCP 直接从训练视频取监督，无需额外预训练视觉编码器，也不改变自回归推理。作者报告其物理合理性优于标准教师强制训练，且总体训练算力更低。
要点速读
- 论文提出 FCP 辅助目标，与教师强制去噪联合优化，预测时间上分离的片段且不访问中间视觉上下文。
- FCP 直接从训练视频获取监督，无需额外预训练视觉编码器，自回归推理流程不变。
- 作者报告该方法物理合理性优于标准教师强制自回归训练，总体训练算力更低；可视化显示其表征空间更结构化。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:10（北京时间）。