myWiki/concepts/temporal-rollout.md

title, created, updated, type, tags, sources

title	created	updated	type	tags	sources
时间滚动展开 (Temporal Rollout)	2026-06-13	2026-06-13	concept	computer-vision video-generation inference-technique	raw/papers/cheng-flex4dhuman-2026.md

时间滚动展开 (Temporal Rollout)

Flex4DHuman 用于生成长于训练窗口的多视角视频的推理策略，通过分块+重叠的方式实现任意长度的持续生成。

机制

将完整生成序列切分为多个 T 帧的 chunk，逐块去噪，并在块间共享重叠帧作为历史条件：

1. Iteration 0：使用参考视图 token 作为唯一清洁条件，生成第一个 T 帧 chunk（所有目标视图）
2. Iteration 1+：窗口前进 T-O 帧，前一 chunk 的最后 O 帧预测作为当前 chunk 的清洁历史 token
3. 循环：重复直到覆盖目标总帧数

关键参数

• T：每块帧数（训练中见过的最大帧数：如 4 或 16）
• O：重叠帧数（通常 O=1）
• n_history：历史 token 数（= O × 视图数）

实验发现

在 DNA-Rendering 测试中（42 帧窗口）：

配置	PSNR	说明
T=4, O=1 (14 次迭代)	24.79 dB	更多迭代，更小 chunk
T=16, O=1 (3 次迭代)	24.86 dB	更少迭代，更大 chunk

两种设置的 PSNR 几乎相同，说明：

• 教师强制历史足以支持稳定长程展开
• 短 chunk 方案（T=4）提供更内存友好的多视角密集生成操作点

关键设计

• 清洁历史 token：不使用模型自己的噪声预测作为历史，而是使用前一 chunk 完整去噪后的清洁帧——避免误差累积
• 与训练一致：teacher-forced-history训练使模型习惯清洁历史条件
• 视图同步：所有视角同步推进，保持跨视角时序一致性

参考

• flex4dhuman — 提出该机制的模型
• teacher-forced-history — 训练端的历史条件策略
• clean-conditioning-mask — 推理时复用为历史标记