مدلهای تولید ویدیوی خودبازگشت (Autoregressive) با اینکه در ساخت ویدیوهای طولانی عالی هستند، اما گاهی به دلیل تجمع خطا، خروجیهای غیرواقعی تولید میکنند. محققان برای حل این مشکل، متد جدیدی به نام TANGO را معرفی کردهاند.
این روش با استفاده از مدل دیفیوژن بهعنوان «منتقد خروجیهای خودش»، مسیرهای حرکتی اشتباه را شناسایی کرده و اصلاح میکند تا از رسیدن به بنبستهای بصری جلوگیری شود. نتیجه کار؟ کاهش چشمگیر ۲۸ درصدی در شاخص FVD و بهبود ۳.۱ درصدی در کیفیت کلی ویدیوها طبق بنچمارک VBench! 🚀✨
منبع: arXiv AI