NoisEasier：文本到视频生成的测试时噪声优化

扩散模型最近在文本到视频（T2V）生成方面取得了进展，但它们仍然难以处理细粒度的组合对齐，例如属性绑定、空间关系和对象交互。虽然基于奖励的 微调 改善了一致性，但它很容易受到 奖励作弊 的影响，并且很难适应新的提示分布。在这项工作中，我们提出了 NoisEasier，这是一个测试时间缩放框架，它通过可微奖励引导的噪声优化来改进 T2V 的生成，而无需修改底层模型。通过将高效的短步生成器与多目标奖励公式相结合，NoisEasier 可在实际的推理预算下实现稳定且实用的测试时间优化。我们的主要见解是，与仅优化初始潜在变量相比，联合优化整个随机轨迹可以加速奖励收敛并改善组合对齐，而额外的计算和时间成本可以忽略不计。 VBench 和 T2V-CompBench 上的实验证明了跨多个主干网的一致改进，在属性绑定、对象交互和计算能力等具有挑战性的维度上实现了超过 10% 的平均增益。总体而言，NoisEasier 既是基于奖励的 微调 的灵活替代方案和补充增强功能，将测试时间扩展建立为可控文本到视频生成的有效范例。