FAPL：让 MLLM 隐变量作用于电影级视频生成

2026年10月22日，Hugging Face Daily Papers 报道研究者提出 Factor-Aware Predictive Learning（FAPL），目标是让 Video DiT 真正利用 MLLM 的表征来生成电影级视频。方法分三阶段：冻结 MLLM 的隐变量接地训练、因子跨度替换和时序预测。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。目前报道仅给出方法框架与任务层面的对比结论，未披露具体指标数值、数据集规模或与哪些基线比较。

AI 根据报道生成 · 44 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。