Video Generation 101：视频生成技术手册¶
Created by Codex and Xiaodong Cun (Corresponding Author), from GVC Lab, Great Bay University
本手册介绍视频生成的基本原理、模型结构、训练与推理流程、任务接口、数据处理和评测方法，面向学习、研究和系统开发。技术章节说明方法的输入输出、工作机制、适用条件、配置要求与常见故障；资源章节提供论文、模型和数据的查阅入口。
手册结构修订日期：2026-10-15。各章资料覆盖时间及动态资源状态见条目说明。本次编辑不代表所有模型均已复现或所有资源均已重新下载测试。
使用方法¶
- 初次阅读从视频生成入门和方法分类开始。
- 实现具体任务时，先在任务分类确定输入、输出与约束，再进入相应专题。
- 选择模型与数据后，按评测方法固定配置、对照和验收条件。
- 按学习目标安排阅读顺序，可使用读者指南与论文阅读清单。
内容目录¶
| 板块 | 先读 | 分组与后续入口 |
|---|---|---|
| 使用与索引 | 使用说明与章节分工 | 入门 · 阅读路线 · 任务接口 · 能力地图 |
| 生成原理 | 五轴方法总览 | 表示与骨干（Tokenizer、DiT）；分解与递推（自回归、掩码、递归）；目标与过程（变分、对抗、扩散、Flow/Consistency） |
| 训练、推理与系统 | 系统组成 | 后训练 · 长视频 · 因果与流式 · 推理预算 · 执行优化 · 智能体制作 |
| 任务与应用 | 任务分类 | 创作输入与输出；控制、主体与叙事；编辑、恢复与补全；预测与交互接口。按输入输出进入专章，再到应用设计组合系统 |
| 世界建模、行动与推理 | 世界模型基础 | 表示与动力学（JEPA、Coding World Model）；行动耦合（WAM）；约束与求解（物理一致性、视觉推理） |
| 评测与资源 | 评测总览 | 世界模型协议 · 数据 · 开放模型 · 时间线 · 论文课程 · 文献索引 |
框架与章节分工¶
沿“任务接口 → 能力要求 → 建模机制 → 系统实现 → 验证证据”追踪同一个问题。导航子组标明正在回答的分类轴；同一模型可以同时使用连续表示、自回归分解、扩散目标和流式部署。长视频描述时间跨度，DiT 描述骨干，后训练描述训练阶段，不能把它们当作互斥的算法类别。
共用定义、公式推导和通用协议在主责章节表指定的页面维护。相邻章节保留任务差异、实验条件、故障和必要的简短说明，通过链接进入完整技术内容。
技术说明与实验示例¶
正文区分作者报告、本仓库复现、方法解释和建议实验。未经运行的实验设计均作为示例使用，不能当作已发布基准或实测结果。比较结果时，需同时记录模型版本、数据、硬件、采样预算和指标实现。符号、术语及记录模板见手册使用说明。
仓库文件¶
| 路径 | 内容 |
|---|---|
docs/ |
原理、任务、系统与评测章节 |
resources/ |
模型和数据资源 |
bibliography/ |
结构化文献元数据 |
assets/ |
图表与网页资源 |
sources/ |
来源记录、核验笔记与历史修订资料 |
scripts/ |
构建与检查工具 |
贡献前请阅读贡献指南。
引用¶
如果本仓库对您的研究、教学或项目有帮助，欢迎引用：
@software{video_generation_101_2026,
title = {Video Generation 101: From Pixel Animation to World Model},
author = {Cun, Xiaodong and Video Generation 101 contributors},
year = {2026},
version = {0.1.0},
url = {https://github.com/GVCLab/Video-Generation-101}
}
完整引用元数据请参见 CITATION.cff。
许可¶
本仓库以 MIT License 发布。论文、数据集、模型及第三方材料仍遵循各自的许可证和使用条款。