用于文本到视频生成的时序规范引导方法 TSG

研究者提出免训练的推理阶段框架 TSG，利用形式时序逻辑规范指导文本到视频生成，解决顺序、时机和持续性难以满足的问题。该方案基于视频-文本注意力追踪与 Metric Temporal Logic 可微评分构建引导，无需外部概念分类器或反向传播。在涵盖 11 类时序约束的 220 个提示词基准测试中，TSG 在 5 个模型上相比 CFG 将规范满足准确率提升了 9.5-20 个百分点。