MeiGen-AI/OPSD-V

解決的問題

OPSD-V 解決了少步數自回歸（AR）影片生成器中的誤差累積與運動動態弱化問題。在這些模型中，單一生成區塊中的微小偽影或語意漂移會被寫回 KV 快取，進而降低所有後續區塊的品質，導致長期視覺品質下降。

工作原理

採用後訓練階段的在策略自蒸餾範式。"學生"模型在訓練期間遵循與實際部署推理完全相同的流程——生成區塊並更新自身的 KV 快取；而"教師"模型則在相同的去噪狀態下進行評估。然而，教師模型會獲得一個由真實長影片上下文構建的更乾淨、符合 AR 一致性的時序快取。透過將學生模型的速度預測與教師模型對齊，模型在不改變原始少步數採樣器或推理時快取機制的前提下，獲得密集的校正目標，從而提升穩定性。

適用對象

從事自回歸影片生成的研究人員與開發者，特別是希望提升少步數擴散模型長期穩定性與運動品質的使用者。

亮點

• 在策略學生推理路徑：學生模型在訓練期間維護自身生成的 KV 快取，以模擬真實推理場景。
• 更乾淨的教師上下文：利用真實影片歷史構建高品質參考，供教師模型使用。
• 保留原始推理路徑：維持原始的 4 步 AR 採樣器，確保部署時無延遲增加。
• 記憶體高效的訓練：採用分塊反向傳播、FSDP 以及 LoRA/EMA 支援，使長影片訓練成為可能。