Исследователи выявили «разрыв серийности» в видео-диффузионных моделях, где производительность снижается по мере удлинения причинно-следственных цепей во время симуляций динамики твердых сфер с несколькими шарами. Контролируемые эксперименты показывают, что это снижение вызвано структурами зависимых событий, а не длиной видео, поскольку оно исчезает в контрольных группах с одним шаром без взаимодействий.
- Стандартная двунаправленная видео-диффузия не масштабируется с более длинными причинно-следственными цепями, несмотря на увеличение шагов денойзинга.
- Методы, увеличивающие эффективную серийную вычислительную нагрузку, такие как авторегрессионная генерация и архитектурная глубина, непропорционально улучшают производительность.
- Исследование доказывает, что детерминированные шаги денойзинга для предсказания видео не добавляют серийных вычислений сверх базовой архитектуры.
Этот вывод указывает на структурное препятствие для использования видео-диффузионных моделей в задачах, требующих серийного рассуждения и симуляции.