Проблема мерцания кадров решена на уровне архитектуры, без постобработки
Ранние версии генеративных видеомоделей страдали от мерцания кадров — объекты и детали сцены нестабильно меняли вид на соседних кадрах. Борьба с этим требовала дополнительной обработки и фильтрации после синтеза.
Новая архитектура учитывает когерентность кадров на этапе обучения, принуждая нейросеть генерировать видеоряд, где соседние кадры остаются визуально консистентными. Это достигается через механизм контроля временной когерентности в самой модели.
От следствия к причине
Вместо того чтобы гасить мерцание фильтрами, архитектура моделей теперь строится так, чтобы оно не возникало. Это снижает вычислительные затраты на постобработку и улучшает качество деталей.
Результат проверяется визуально: видео воспроизводится гладко, без видимых артефактов и скачков между кадрами, характерных для более старых подходов.
Архитектурное решение показывает, что проблемы в синтезе видео часто требуют переработки самой модели, а не дополнительных фильтров.