연구진은 장기 비디오 합성에 따른 오류 누적 문제를 해결하기 위해 Cycle-World 프레임워크를 제안했어요. Cycle-World는 훈련 및 추론 단계에서 시간적 역방향성을 엄격하게 적용하여 오류 누적을 방지해요. VBench 벤치마크 실험 결과, Cycle-World는 기존 방식 대비 뛰어난 품질과 시간적 일관성을 보여줬어요.
연구진은 효율적인 역방향 예측 모델을 통합하여 훈련 과정에서 원인적 제약 조건을 암묵적으로 내장했어요. 이를 통해 자연스러운 비디오 매니폴드에 밀접하게 부합하는 가역적인 시퀀스를 생성하도록 유도해요.
추론 시에는 동결된 역방향 모델을 런타임 오류 수정기로 활용하여 생성된 잠재 표현을 반복적으로 개선하고 누적된 오류를 억제해요.