FAPL：让 MLLM 隐变量真正作用于电影级视频生成
Making MLLM Latents Matter: Factor-Aware Predictive Learning for Cinematic Video Generation
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究者提出 Factor-Aware Predictive Learning（FAPL），通过冻结 MLLM 的隐变量接地训练、因子跨度替换和时序预测三阶段学习，让 Video DiT 真正利用 MLLM 表征。在稀疏输入生成视频、因子感知编辑和多镜头生成三项任务上，FAPL 均优于基线。
来源：Hugging Face Daily Papers · arxiv.org