History Forcing은 저장대학(Zhejiang University) 등이 제안한 소수 스텝 자기회귀 비디오 생성 증류(distillation) 프레임워크입니다. 이 방법은 히스토리 정보의 유무에 따른 교사 모델의 예측 차이를 비교하여 이를 증류 목표 보정에 사용하며, 저자들은 이를 통해 긴 영상의 일관성과 시야 밖(off-screen) 장면의 진화를 향상시킬 수 있다고 주장합니다. 저장소에는 DreamX-World-5B 버전, Wan2.1-T2V-1.3B의 DMD 버전(EMA 포함) 및 자기회귀 교사 모델이 공개되어 있으며, 추론 및 학습 코드는 GitHub에 있습니다.
왜 중요한가 소수 스텝 자기회귀 비디오 생성은 진행될수록 이전 프레임을 잊어버리기 쉽습니다. 이 방법은 히스토리 정보를 사용하여 증류 목표를 보정함으로써 긴 영상의 일관성 문제를 해결합니다.
Hugging Face 좋아요 4 · Hugging Face 상승 순위 3 · Hugging Face 다운로드 수 0
라이선스: 상업적 사용 가능(기반 모델 제한 있음) · ComfyUI: 없음 · VRAM: 명시되지 않음
이유
- Hugging Face text-to-video 상승 랭킹, Hugging Face world-model 태그
- 점수 28 (freshness 0 / source 10 / heat 0 / comfy 0 / vram 3 / demo 5 / license 10)
사용법
- GitHub 저장소 ziplab/History-Forcing의 설명에 따라 가중치를 다운로드하고 추론 실행
리스크
- 연구용 코드이며, ComfyUI 지원이 없고 모델 카드에 VRAM 요구 사항이 명시되지 않았습니다. 저장소에 라이선스가 표기되어 있지 않습니다.