arXiv 新增 + few-step video generation distillation · P3 · 2026-06-19

Data-Forcing Distillation：它和通用视觉自监督的关系在于：用 teacher score discrepancy 修复 few-step video distillation 的 mode collapse，偏生成但和蒸馏稳定性相关

中相关；详见方法、贡献和实验边界。

Data-Forcing Distillation: Restoring Diversity and Fidelity in Few-Step Video Generation　arXiv 新增 + few-step video generation distillation　原文链接

编号2606.18478 优先级P3 类别arXiv 新增 + few-step video generation distillation 会议arXiv 新增 + few-step video generation distillation 方法用 teacher score discrepancy 修复 few-step video distillation 的 mode collapse，偏生成但和蒸馏稳定性相关来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：用 teacher score discrepancy 修复 few-step video distillation 的 mode collapse，偏生成但和蒸馏稳定性相关。中相关；详见方法、贡献和实验边界。

**Figureure 1 · : Qualitative results on text-to-video and image-to-video generation**Figure 1: Qualitative results on text-to-video and image-to-video generation. The colored outline indicates the input image for the image-to-video tasks. Compared to DMD, our method significantly improves visual quality, resolves the over-saturation artifacts with better video dynamics and appearance, and even outperforms the teacher model. The time is measured on a single NVIDIA RTX PRO 6000 GPU.这张图/表用于判断 Data-Forcing Distillation 的实验收益来自哪里。重点看替换、消融或跨模型设置下趋势是否一致，而不是只看单个最高分。

**Figureure 10 · : Diversity visualization across 8 random seeds for the same prompt**Figure 10: Diversity visualization across 8 random seeds for the same prompt. Columns 1–2: DMD2; columns 3–4: DP-DMD; columns 5–6: Ours. Each row shows the middle frame of two videos generated with different seeds. Our method produces visibly more diverse outputs across seeds.这张可视化用来解释 Data-Forcing Distillation 学到的中间表征或对齐关系。重点看它是否支持正文里的机制判断。

核心问题

它和通用视觉自监督的关系在于：用 teacher score discrepancy 修复 few-step video distillation 的 mode collapse，偏生成但和蒸馏稳定性相关。

方法拆解

用 teacher score discrepancy 修复 few-step video distillation 的 mode collapse，偏生成但和蒸馏稳定性相关

主要贡献

中相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。