01
局部弥散度
Hrow(A) = − avgi Σj Aij log(Aij + ε)
行熵刻画每一帧如何在时间维度分配注意力，以及局部注意力分布的弥散程度。
简要概述
我们提出 Spectral Tension，用于诊断时间注意力是否处于平衡的传输状态；并进一步提出 Spectral Transport Homeostasis，在推理阶段有选择地校正异常状态。无需任何微调，即可同时改善时序一致性、视觉质量与物理合理性。
💡 核心洞见
时序不一致，本质上是一个平衡问题。
更多跨帧交互并不总是更好。时间注意力会沿两个相反方向失衡，因此有效的干预必须先判断失效状态，再施加方向正确的校正。
Spectral Tension判断时间失衡的方向与严重程度。
带符号决策区分碎片化传输与过度混合热点。
稳态校正仅对异常状态进行干预，并尽可能保留已平衡的状态。
⚡ 无需训练
🔌 即插即用
🎛️ 单一核心参数
🧠 层级与时间步自适应
研究动机
现有无需训练的增强方法往往直接强化跨帧交互，却无法判断时间交互是否保持健康。我们将时间注意力视作状态传输算子，其平衡程度决定视频能否在时间维度保持连贯。
状态诊断
Spectral Tension 比较局部注意力弥散度与全局谱多样性。负值对应碎片化传输，正值对应过度混合热点，接近零则表示更平衡的时间状态。
自适应校正
Spectral Transport Homeostasis 是一种无需训练的 query-temperature 调节器：锐化过度混合状态、软化碎片化状态，同时尽可能保留已经平衡的传输。
🧮 核心公式
从谱诊断到自适应校正
TST 从两个互补尺度读取时间注意力，判断失衡方向，并在推理阶段施加具有层级和时间步调度的自适应校正。
02
全局谱多样性
HvN(ρ) = − Σk λ̃k log(λ̃k + ε)
Von Neumann 熵概括归一化注意力 Gram 矩阵的特征值分布，从全局角度衡量谱多样性。
03
Spectral Tension：带符号的诊断
𝒯(A) = Ĥrow(A) − ĤvN(ρ)
𝒯 < 0 🧩 碎片化
𝒯 ≈ 0 ⚖️ 平衡态
𝒯 > 0 🌪️ 过度混合
04
Spectral Transport Homeostasis
αtemp = 1 − mean(diag(A))
QTST = αtemp · ĤvN(1 − ĤvN)
τeff = τ · wlayer · wstep
sTST = 1 + τeffQTST, Y′ = sTSTY
有效校正强度 τeff 会随 Transformer 层级与扩散时间步自动调度。整个干预轻量、自适应，仅由一个核心参数 τ 控制；论文推荐设置为 0.2。
摘要
可靠的视频生成不仅需要高质量的单帧画面，还需要模型在时间维度持续传输身份、场景布局、运动和细粒度细节等视觉状态。现有无需训练的方法主要强化跨帧注意力或分析局部注意力熵，却无法判断时间交互是否处于健康的传输状态。本文从 Temporal State Transport 的视角重新研究视频生成中的时间一致性。
我们提出 Spectral Tension，通过比较局部注意力弥散度与全局谱多样性，对时间注意力进行带符号诊断，并识别两种方向相反的失效模式：碎片化传输与过度混合热点。在此基础上，我们提出 Spectral Transport Homeostasis，在尽可能保留平衡状态的同时，以无需训练的方式柔性校正异常时间状态。
更忠实的细节与更丰富的真实结构
以下案例重点展示外观真实感、细粒度结构与场景细节如何在时间维度保持稳定，并呈现出更具说服力的视觉效果。
更合理的物理结构与运动逻辑
以下动态场景中，原始模型容易产生不合理的物理行为；我们的方法能够恢复更加连贯、可信的时间结构。
文献引用
引用
如果本研究对你的工作有所帮助，欢迎引用：
@misc{tang2026temporalstatetransportvideo,
title={Temporal State Transport in Video Generation: Diagnosing and Correcting Spectral Imbalance},
author={Luyao Tang and Bingjun Luo and Dong Yi and Jialin Guo and Haoning Xi and Cheng Chen and Yizhou Yu and Chaoqi Chen},
year={2026},
eprint={2609.08505},
archivePrefix={arXiv},
primaryClass={cs.CV},
url={https://arxiv.org/abs/2609.08505},
}