多模态 · 生成¶

覆盖图像与视频生成背后的扩散模型、Flow Matching 生成范式，以及视频生成在时序一致性和计算成本上引入的额外问题。

章节¶

flowchart LR
    D[扩散模型 / Flow Matching<br/>与图像生成] --> V[视频生成模型]

视频可以复用图像生成的训练目标和骨干，但还需时间表示、视频压缩、运动监督与历史条件；并非所有模型都用 Transformer，也不能由时空 patch 推断训练目标必为 Flow Matching。

第七章重点区分训练路径、预测参数化、采样器和条件引导；第八章增加主体身份、运动及长时序一致性。直线条件路径不保证一步生成，画面平滑也不保证有正确运动，这两类反例是理解方法边界的切入点。