thu-ml/Causal-Forcing
[ICML 2026] Официальный код для "Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation" и Causal Forcing++
Что это за инструмент
Causal Forcing — это официальный код для методов дистилляции autoregressive diffusion, обеспечивающих высококачественную генерацию видео в реальном времени. Он предлагает теоретически обоснованную инициализацию через Causal ODE или Causal Consistency Distillation.
Зачем нужен
Инструмент решает задачу создания интерактивных видео-генераторов с низкой задержкой, превосходящих аналоги (например, Self Forcing) по качеству и динамике при том же бюджете обучения. Он позволяет эффективно обучать модели, генерирующие видео по кадрам или чанками, поддерживая как текстовую, так и видео-условную генерацию.
Что можно реализовать
- Генерация видео по тексту (T2V) с минимальной задержкой (1-2 шага диффузии)
- Генерация видео по изображению (I2V) с сохранением динамики и качества
- Создание длинных видео (до нескольких минут) с использованием Rolling Sink и Infinite-RoPE
- Быстрая инициализация autoregressive diffusion моделей для дальнейшей тонкой настройки
Ключевые возможности
- Поддержка 1-step и 2-step frame-wise моделей для экстремально низкой латентности
- Метод Causal Consistency Distillation (Causal Forcing++) устраняет необходимость в ручной сборке данных для ODE
- Нативная поддержка I2V в frame-wise моделях, объединяющая T2V и I2V
- Совместимость с оптимизациями Rolling Sink и Infinity-RoPE для генерации длинных видео
- Ускоренный пайплайн обучения (Stage 2 оптимизирован для 3x скорости)
👤 Кому подойдёт: Исследователи в области генеративного ИИ, разработчики видео-моделей, инженеры по машинному обучению, работающие с autoregressive diffusion и real-time inference.