Causal-Forcing

Causal-Forcing 概覽

這是什麼

Causal Forcing 是論文「Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation」及其延伸 Causal Forcing++ 的官方程式碼庫。它引入 Causal ODE 或 Causal Consistency Distillation 作為非對稱 DMD 的理論正確初始化方法，實現即時互動影片生成。此專案由清華大學、Shengshu、德州大學奧斯汀分校及中國人民大學的研究人員共同開發。

主要功能

• 使用 Causal ODE（Causal Forcing）或 Causal Consistency Distillation（Causal Forcing++）驅動非對稱 DMD。
• 支援區塊式（chunk-wise）與逐幀式（frame-wise）模型；逐幀模型原生整合文字轉影片（T2V）與圖片轉影片（I2V）生成。
• Causal Forcing++ 消除了 ODE 資料整理的需求，並釋出首個 1 步/2 步逐幀模型。
• 在相同訓練預算與推論效率下，視覺品質與動態表現皆優於 Self Forcing。
• 提供區塊式 4 步、逐幀式 4 步、逐幀式 2 步、逐幀式 1 步、長影片生成及 HY1.5-TI2V（8B）模型的檢查點。

使用情境

即時互動影片生成、長影片生成（透過 Rolling Forcing 可達分鐘級），以及作為其他影片世界模型（如 DreamX-World 1.0、Matrix-Game 3.5、Astronex‑World 1.0、Zing-0.5、ZYT-World）的基礎初始化。

快速開始

bashconda create -n causal_forcing python=3.10 -yconda activate causal_forcingpip install -r requirements.txtpip install git+https://github.com/openai/CLIP.gitpip install flash-attn --no-build-isolationpython setup.py develop下載檢查點並依照儲存庫 README 說明執行 CLI 推論。

授權與價格

採用 Apache-2.0 授權。此專案為開源，未說明價格。

內容整理自該專案公開的 README 與儲存庫資訊。