자기회귀 비디오 생성을 위한 온-폴리시 적대적 플로우 증류

연구진은 블랙박스 교사 모델로부터 자기회귀 비디오 모델을 학습시키는 Adversarial Flow Distillation(AFD)을 제안했다.

AFD는 같은 프롬프트에 대한 교사·학생 비디오를 비교하고, 프롬프트가 짝지어진 Bradley-Terry 판별기로 차이를 학습한다.

이 차이 신호를 학생의 노이즈 상태에 대한 촘촘한 flow-matching 업데이트로 바꿔, 교사 점수나 전체 궤적 없이도 증류를 가능하게 한다.

두 가지 causal 자기회귀 학생군에서 실험한 결과, AFD는 전체 비디오 품질을 유지하면서 움직임과 물리 일관성을 개선했다.

이 방법은 독점적이거나 구조가 다른 비디오 생성기의 능력을 효율적인 causal 모델로 옮기는 실용적 경로를 제시한다.