稳定强迫：平衡长视自然视频扩散中的空间持久性和运动连续性

自回归视频扩散模型支持流生成，但在长程生成后通常会降级：静态场景布局会漂移，而提高空间稳定性的机制往往会抑制运动，导致水、火或烟雾等自然流停滞。我们研究了固定相机长视距自然视频生成中的稳定性与运动权衡，其中两种故障模式比移动相机设置中可以更清晰地分开。我们提出了 Steady-Forcing，一种内存和训练框架，结合了持久视觉锚点 (V-Sink)、指数移动平均运动内存 (EMA-Sink)、块相对时间编码、周期性缓存净化和来自 Wan2.1-14B 教师的 蒸馏，在以任务为中心的配置下具有运动奖励先验。这些组件共同设计用于保留背景特性，同时在多分钟的自回归执行轨迹过程中维持视觉上合理的流体动力学。对七个基线的评估表明，稳定强制提高了长视野背景一致性和成像质量，而盲用户研究表明感知稳定性和运动连续性更强。基准评估进一步表明，通用 VBench 总分对固定相机伪影的惩罚不足，并且将漂移引起的光流奖励为动态度，而不直接惩罚纹理硬化或流停滞 - 激励未来针对静态相机自然流评估的特定任务基准。项目页面：https://minar09.github.io/steadyforcing/