正在整理你需要的资料…
TencentARC/Looking-Ahead ↗ · 项目主页 ↗
自回归视频模型训练时容易走捷径,生成出来的画面看着像那么回事,物理却不守。腾讯 IEG ARC 与南京大学提出 Future Chunk Prediction:训练时用辅助分支预测时间上更远的未来片段,只靠视频像素监督就提升物理一致性,学到的表征也更有结构。训练与推理代码、1.3B 和 5B 权重都已放出。
适合做自回归视频生成、物理一致性研究的人;论文在 arXiv,权重和演示数据集放在 Hugging Face。

下面是把仓库 README 逐节读完后归纳出的中文要点。
介绍 FCP 方法:通过辅助分支从当前片段的中间特征预测时间上较远的视频片段,只靠视频像素监督改善生成视频的物理一致性,并提供 1.3B 与 5B 自回归图生视频模型的训练与推理代码
按日期汇总进展:2026-10-26 起支持 Conda 与 pip 安装,论文上线 arXiv,权重与演示数据集也发布到 Hugging Face,同日公开项目页与代码
表示项目仍在持续改进并探索新方向,会持续更新仓库;文档也在同步完善,使用中有疑问可以提 issue,后续文档更新会吸收其中的澄清
说明环境要求与安装步骤:在 Linux 系统上用 Python 3.12 和 PyTorch 测试通过,FFmpeg 需自行装好,再用 uv 命令初始化项目环境
提示使用者:如果觉得这项工作有帮助,欢迎在论文中引用,具体格式见仓库里的引用说明部分
| 主要语言 | Python | 许可 | NOASSERTION |
|---|---|---|---|
| 创建时间 | 2026-10-21 | 最近提交 | 2026-10-26 |
| 站内采集 | 2026-11-06 起,连续观察 13 天 | 最近一次 | 2026-11-18 |
腾讯 IEG ARC 与南京大学的工作:Future Chunk Prediction,让自回归视频模型在训练时预测更远的未来片段,只靠像素监督就提升物理一致性。
Looking Ahead 是一篇刚放出代码与权重的视频生成研究,出自腾讯 IEG ARC Lab、南京大学与浙江大学。作者提出的问题很具体:自回归视频生成依赖教师强制训练,而时间上的冗余会诱使模型走捷径,只学局部的时间相关性,于是学到的是「看起来像」而不是「物理上合理」。他们的做法是 Future Chunk Prediction,加一条辅助分支,从当前片段的中间特征去预测时间上更远的视频片段。关键在于只用视频像素监督,不额外引入标注或奖励模型,作者声称这样就能改善生成视频的物理一致性,并学到更有语义结构的表征。仓库给出训练与推理代码,以及 1.3B 与 5B 两档文生图生视频模型的权重,基座分别是 Wan2.1-T2V-1.3B 与 Wan2.2-TI2V-5B,配置里能看到 tf 与 fcp 两组分别对应的 yaml。环境要求也写清楚了:Linux、Python 3.12、PyTorch 2.10.0 加 CUDA 12.8,提供 uv 与 conda 两种安装路径。
最近 13 次采集
2026-11-06 230 ★ → 2026-11-18 275 ★ (累计 +45)
数据来自 GitHub 公开接口的每日采集快照,star 数为采集当时读到的值, 与 GitHub 页面上显示的实时数字可能有几分钟的差距。 项目名点击可回到 本页。