S2PD：串行到并行扩散实现物理与逻辑一致的视频生成

S2PD 提出串行到并行扩散方法，在高噪声阶段进行自回归扩散以协调相互依赖的事件、产生有效状态转换，低噪声阶段切换为并行扩散联合精修整个视频并缩短采样时间。该方法以两种架构实现：从零训练的像素空间扩散 Transformer，以及通过 LoRA 微调并加入因果注意力的预训练视频模型。在游戏、物理模拟和真实视频上，S2PD 比匹配的双向基线更可靠地遵循规则，时序稳定性和采样效率也优于其他串行方法。