Self-Forcing
模型介绍
Self Forcing的核心技术路线是在训练自回归视频扩散模型时,摒弃传统的“教师强制”方法,转而让模型基于自身之前生成的、带有噪声的帧来预测下一帧,从而模拟真实的推理生成过程,实现完整的自回归自我展开训练。其核心创新点在于从根本上解决了“暴露偏差”问题,通过迫使模型学习如何从其自身生成的不完美上下文中进行修正,并引入整体分布匹配损失来优化整个生成序列的全局质量,从而显著提升了生成的一致性和稳定性。主要用途是实现高质量、高帧率且时间一致性强的实时视频生成
版本说明
参考实现
url=https://github.com/guandeh17/Self-Forcing
commit_id=33593df3e81fa3ec10239271dd2c100facac6de1
变更记录
2025.11.12:首次发布Self-Forcing
环境搭建
【模型开发时推荐使用配套的环境版本】
昇腾基础软件安装请参考安装指南
Python版本推荐3.10,torch和torch_npu版本推荐2.7.1版本
-
在工作目录执行下列命令
git clone --branch 26.0.0 https://gitcode.com/Ascend/MindSpeed-MM.git cd MindSpeed-MM git clone https://github.com/guandeh17/Self-Forcing.git bash examples/self_forcing/replace_npu_patch.sh cd Self-Forcing -
安装依赖
pip install -r requirements.txt -
下载权重
huggingface-cli download Wan-AI/Wan2.1-T2V-1.3B --local-dir-use-symlinks False --local-dir wan_models/Wan2.1-T2V-1.3B huggingface-cli download gdhe17/Self-Forcing checkpoints/self_forcing_dmd.pt --local-dir . huggingface-cli download gdhe17/Self-Forcing checkpoints/ode_init.pt --local-dir . huggingface-cli download gdhe17/Self-Forcing vidprom_filtered_extended.txt --local-dir prompts
训练
-
执行以下命令即可开启训练
torchrun --nnodes=1 --nproc_per_node=8 \ train.py \ --config_path configs/self_forcing_dmd.yaml \ --logdir logs/self_forcing_dmd \ --disable-wandb
推理
-
执行以下命令即可开启推理
python inference.py \ --config_path configs/self_forcing_dmd.yaml \ --output_folder videos/self_forcing_dmd \ --checkpoint_path checkpoints/self_forcing_dmd.pt \ --data_path prompts/MovieGenVideoBench_extended.txt \ --use_ema
环境变量声明
| 环境变量 | 描述 | 取值说明 |
|---|---|---|
ASCEND_SLOG_PRINT_TO_STDOUT |
是否开启日志打印 | 0: 关闭日志打屏1: 开启日志打屏 |
ASCEND_GLOBAL_LOG_LEVEL |
设置应用类日志的日志级别及各模块日志级别,仅支持调试日志 | 0: 对应DEBUG级别1: 对应INFO级别2: 对应WARNING级别3: 对应ERROR级别4: 对应NULL级别,不输出日志 |
TASK_QUEUE_ENABLE |
用于控制开启task_queue算子下发队列优化的等级 | 0: 关闭1: 开启Level 1优化2: 开启Level 2优化 |
COMBINED_ENABLE |
设置combined标志。设置为0表示关闭此功能;设置为1表示开启,用于优化非连续两个算子组合类场景 | 0: 关闭1: 开启 |
CPU_AFFINITY_CONF |
控制CPU端算子任务的处理器亲和性,即设定任务绑核 | 设置0或未设置: 表示不启用绑核功能1: 表示开启粗粒度绑核2: 表示开启细粒度绑核 |
HCCL_CONNECT_TIMEOUT |
用于限制不同设备之间socket建链过程的超时等待时间 | 需要配置为整数,取值范围[120,7200],默认值为120,单位s |
PYTORCH_NPU_ALLOC_CONF |
控制缓存分配器行为 | expandable_segments:<value>: 使能内存池扩展段功能,即虚拟内存特征 |
HCCL_EXEC_TIMEOUT |
控制设备间执行时同步等待的时间,在该配置时间内各设备进程等待其他设备执行通信同步 | 需要配置为整数,取值范围[68,17340],默认值为1800,单位s |
ACLNN_CACHE_LIMIT |
配置单算子执行API在Host侧缓存的算子信息条目个数 | 需要配置为整数,取值范围[1, 10,000,000],默认值为10000 |
TOKENIZERS_PARALLELISM |
用于控制Hugging Face的transformers库中的分词器(tokenizer)在多线程环境下的行为 | False: 禁用并行分词True: 开启并行分词 |
OMP_NUM_THREADS |
设置执行期间使用的线程数 | 需要配置为整数 |
引用
公网地址说明
代码涉及公网地址参考 公网地址