연구진은 Self Forcing 방식의 한계, 즉 과거 생성된 latent 정보가 미래 프레임에 효과적으로 반영되지 못하는 '역사적 컨텍스트-그래디언트 격차' 문제를 제기했어요.
Self Gradient Forcing (SGF)는 이 격차를 해소하기 위해, 1단계에서는 기존 Self Forcing처럼 rollout을 수행하고, 2단계에서는 미래 비디오 latent를 활용해 컨텍스트 KV 표현을 재계산하는 방식으로 작동해요.
SGF는 5초 분량의 짧은 훈련 데이터만으로도 몇 분짜리 비디오를 외삽할 수 있을 정도로 뛰어난 성능을 보여줘요. 특히 피사체 동일성, 배경/레이아웃 일관성, 시간적 안정성 측면에서 Self Forcing보다 우수해요.
연구진은 SGF 코드와 모델을 공개하여 자발적 비디오 생성 연구 발전에 기여할 예정이에요.