LocalDPO 在时空局部区域优化视频生成偏好

让文生视频扩散模型与人类偏好对齐，是生成高质量视频的关键。现有直接偏好优化（DPO）方法依赖多样本排序及任务专用评判模型，效率较低，且往往只能提供含糊的全局监督。为此，我们提出LocalDPO：从真实视频构建局部偏好对，在时空区域层面优化对齐的后训练框架。自动数据流程对每条提示仅进行一次推理即可生成偏好对，无需外部评判模型或人工标注。具体而言，以高质量真实视频为正样本，随机时空掩码对其进行局部破坏，再由冻结的基础模型仅恢复掩码区域，得到对应负样本。训练时采用区域感知DPO损失，将偏好学习限制在被破坏区域，以实现快速收敛。在Wan2.1与CogVideoX上的实验表明，相较其他后训练方法，LocalDPO持续改善视频保真度、时间一致性和人类偏好评分，为视频生成器对齐提供更高效、细粒度的方法。