条件残差预测减少视频扩散的历史依赖

基于摘要分析。研究针对因果视频扩散模型在自回归生成中依赖真实历史、推理时自身生成历史的误差持续传播的问题，提出 Conditional Residual Prediction（CRP），并从图像模型初始化训练因果视频模型，全程不使用双向视频教师模型。 核心机制是先不使用某一条件预测目标，再仅允许该条件在初始预测上补充残差。应用到历史条件时，模型尽可能利用当前输入预测视频块，只让过去信息补充当前输入无法提供的部分。作者假设，标准训练形成的部分历史依赖并非必要，因为当前输入已包含历史所提供的大量信息。摘要未披露残差的具体参数化、损失函数或训练与推理实现，这些细节尚未验证。 作者报告，在受控实验中，CRP 几乎弥合了因果模型与同一设置下训练的双向模型之间原有的 6.14 分差距；摘要未明确该差距对应的指标及剩余差距。扩大训练规模后，作者训练了 2B 参数的因果视频模型 Optica，使用约 15M 个训练视频，自回归生成 5 秒、480p 视频，并在 VBench 上取得 82.78。数据来源、划分、评估配置、消融及统计信息尚未验证，不能据此推断其他协议下的优势。 平台推测（待验证）：若 EEG 时序预测同样存在对历史条件的过度依赖，CRP 可作为限制历史贡献的候选机制；可复用的是“无条件预测加条件残差”的分解，需改造的是 EEG 输入表示、预测目标及历史条件接口。但 EEG 低信噪比可能使当前输入不足以支持基础预测，跨被试、通道变化及小数据也可能令残差学习不稳定。一个可证伪的小实验是在固定被试内划分与相同训练预算下，对比普通历史条件预测和 CRP 在多步 EEG 预测中的误差累积，并测试历史扰动敏感性。该假设不代表已验证的 BCI 效果，已有 EEG 相关工作尚未检索确认。