TeDiO：无需训练 相干视频扩散的时间对角线优化

最近的文本到视频扩散 Transformer 生成视觉上引人注目的帧，但仍然与时间连贯性作斗争，经常产生闪烁、漂移或不稳定的运动。我们表明，这些失败在模型中留下了清晰的印记：不连贯的视频在其中间自注意力图中始终表现出不规则、碎片化的时间对角线，而稳定的运动对应于平滑的带对角线模式。基于这一观察，我们引入了 TeDiO，一种 无需训练 推理时间方法，通过规范这些内部注意力模式来增强时间一致性。 TeDiO 估计对角线平滑度，识别不稳定区域，并执行轻量级潜在更新，以促进连贯的帧到帧动态，而无需修改模型权重或使用外部运动监督。在多种视频扩散模型（例如 Wan2.1、CogVideoX）中，TeDiO 提供明显更平滑的运动，同时保持每帧视觉质量，提供高效的即插即用方法来提高现代视频生成系统的动态真实感。