역방향 예측으로 60초 영상의 누적 오류를 줄인 Cycle-World

장시간 영상을 자동회귀 방식으로 만들면 앞선 출력의 작은 흠이 다음 장면의 문맥으로 되먹임돼 구조 붕괴로 커진다. 연구진은 다음 장면에서 이전 장면을 복원하는 역방향 예측기를 함께 학습시켜, 정방향 생성물이 되돌릴 수 있는 영상 궤적에 머물도록 순환 일관성 손실을 부과했다. 추론 때는 동결한 역모델의 기울기로 잠재표현을 교정하는 Cycle-Guided Inference도 구성했다.

VBench 기반 비교에는 LTX-Video·Wan2.1과 여러 자동회귀·장기 영상 모델이 포함됐다.

순환 일관성 학습과 추론 보정으로 영상 드리프트를 줄이는 Cycle-World Figure 2 — Figure 2. Fig. 2: Overview of Cycle-World. We mitigate generative drift in autoregressive video synthesis by enforcing temporal reversibility. (a) Training (CCL): The forward generator Gθ and reverse model Rϕ are jointly optimized. A latent cycle-consistency loss (Lcycle) explicitly penalizes physically irreversible trajectories. (b) Inference (CGI): The frozen Rϕ acts as a runtime corrector. By evaluating cycle discrepancy (D), it per- forms iterative gradient-based latent refinement to actively prune accumulated errors before they enter the historical context. 출처: arXiv:2607.11836

물리성 평가는 VideoPhy의 프롬프트 150개를 무작위로 뽑아 진행했고, 5초 영상은 전체 클립을, 60초 영상은 겹치지 않는 5초 구간으로 나눠 측정했다. 따라서 짧은 클립의 화질과 장기 누적 안정성을 구분해 볼 수 있는 설계다.

모델	5초 Total	60초 Total
SkyReels-V2	82.67	70.47
Self Forcing	84.31	71.86
Cycle-World	84.36	82.88

자료: STORIUM 정리.

논문 표에서 제안법은 60초 합성의 전체 품질과 시간적 일관성에서 비교군보다 높은 값을 기록했다. 별도 물리 평가의 PC와 PACE 평균은 75.66으로 보고됐다. 저자들이 제시한 이론적 상계는 단일 단계 순환 오차를 낮추면 시퀀스 길이에 따라 커지는 정방향 드리프트의 바닥값도 함께 낮아진다는 해석을 뒷받침한다.

핵심 적용 범위는 동일한 잠재공간에서 정방향·역방향 예측을 연결할 수 있는 장시간 영상 생성기다. 훈련 단계의 역모델은 자연 영상 궤적에 대한 제약을 주고, 추론 전용 교정은 기존 생성기에 붙일 여지를 준다. 다만 지표 개선이 장면 의미의 사실성이나 실제 세계 시뮬레이션 정확도까지 보장하는 것은 아니다.

결과는 동료검토 전 arXiv:2607.11836 공개본에 근거한다. 60초를 넘는 길이와 다른 해상도·도메인, 역모델 및 반복 교정의 계산비용은 후속 검증 대상으로 남는다.