摘要
针对自回归视频扩散模型在分块生成中面临的时间指令跟随模糊问题，本文提出 TempAct 框架。该方法采用规划器 - 执行器强化学习范式，联合优化时间分解与步级条件执行。利用 LLM 作为规划器探索可执行的步骤提示，训练扩散模型作为执行器遵循提示。通过分层组探索机制实现长程时间结果的规划级信用分配，并结合分层奖励函数，显著提升了视频生成的时间一致性与视觉质量。
AI 推荐理由
论文提出规划器 - 执行器框架，核心在于利用 LLM 进行时间分解和步骤规划。
研究机构
深圳大学
腾讯混元
北京大学
北京邮电大学
论文信息