时序一致性
AI视频生成中的关键技术指标，指视频帧与帧之间物体、光照、细节保持连贯一致的能力，是评估视频生成模型质量的核心标准之一
核心事实
时间轴 (近 90 天)
On-the-fly 调整指模型在推理阶段根据实时输入动态更新自身参数或追踪状态，利用历史帧信息维持连续的状态估计，形成时序一致性。
低价模型为压缩推理成本，往往在时序一致性建模上做了妥协，导致角色在运动中出现面部漂移、特征跳变
时序一致性约束通常通过视频帧间的光流对齐损失或CRF后处理实现，能有效抑制单帧推理中的闪烁噪声
视频换脸技术最难的部分不在于单帧画面，而在于连续帧之间面部表情、头部转动、光影变化的时序一致性
时序一致性的实现策略之一是在推理时对相邻帧共享注意力权重，代表方法包括TokenFlow和Video-P2P
视频续写需要在时间维度上保持严格的一致性,包括角色外观、运动轨迹、物理规律和场景光照等多个层面
全部知识事实 (9)
视频变换器通过在注意力机制中同时编码空间维度与时间维度来学习帧间运动规律
65%已验证视频生成相比图像生成需要额外维持帧间的时序一致性（Temporal Consistency）
65%已验证视频风格迁移面临的核心技术挑战是时序一致性问题，逐帧独立处理会产生闪烁和抖动的时序伪影
65%待验证On-the-fly 调整指模型在推理阶段根据实时输入动态更新自身参数或追踪状态，利用历史帧信息维持连续的状态估计，形成时序一致性。
50%待验证低价模型为压缩推理成本，往往在时序一致性建模上做了妥协，导致角色在运动中出现面部漂移、特征跳变
50%待验证时序一致性约束通常通过视频帧间的光流对齐损失或CRF后处理实现，能有效抑制单帧推理中的闪烁噪声
50%待验证视频换脸技术最难的部分不在于单帧画面，而在于连续帧之间面部表情、头部转动、光影变化的时序一致性
50%待验证时序一致性的实现策略之一是在推理时对相邻帧共享注意力权重，代表方法包括TokenFlow和Video-P2P
50%待验证视频续写需要在时间维度上保持严格的一致性,包括角色外观、运动轨迹、物理规律和场景光照等多个层面
50%