Any Forcing以统一对抗蒸馏和自适应历史缓存稳定一步视频生成

自回归视频生成可通过流预测实现高效推理。然而，现有方法通常仅限于固定采样步骤，限制了平衡生成质量和效率的灵活性，而一步生成会导致视觉质量下降和长序列上的错误累积，导致内容漂移和生成崩溃。为了解决这些问题，我们提出了 Any Forcing，这是一个实现 Any-Step 通用性和 One-Step 稳定性的统一框架。具体来说，我们引入了一个统一的对抗性鉴别器，它联合执行真实数据分布对齐、步间一致性对齐和第一帧质量增强，从而在保持一步生成质量的同时实现灵活采样。此外，我们提出了一种免训练的自适应长期记忆选择机制，该机制根据全局语义相关性和局部价值贡献来选择历史状态，同时重新映射它们的时间位置以保留记忆缓存内的时间关系，从而实现稳定的一步长视频生成。实验表明，Any Forcing 实现了高质量且稳定的一步自回归视频生成，在单个 H100 GPU 上分别实现了短视频和长视频生成的 20.9 FPS 和 24.7 FPS。