視頻生成一長就漂移竟是前序幀「太乾淨」惹的禍，研究揭示共享噪聲水平才是長視頻穩定關鍵
問題現象
在長時間的視頻生成過程中，隨著生成時間的延長，視頻會出現嚴重的時序漂移與畫面崩壞問題（drift）。這種現象導致生成內容逐漸與初始輸入產生偏差，嚴重影響視頻的穩定性與真實感。
技術背景與現有方法
為解決此退化問題，現有方法嘗試多種途徑，例如模擬預測誤差、引入首幀（First frame）資訊，以及優化模型結構以提升時序一致性。
關鍵發現
研究指出，問題的根源在於前序幀過於「乾淨」（too clean），導致模型缺乏足夠的噪聲資訊，進而影響後續幀的穩定性。真正關鍵的穩定因素是「共享噪聲水平」（shared noise level），而非傳統的自回歸視頻生成架構。
技術意義
此發現顛覆了傳統自回歸視頻生成的範式，顯示長時序視頻生成的穩定性關鍵在於噪聲的共享與傳遞機制，為未來實時長視頻生成與互動式視頻系統提供了新方向。