FrameForge：利用视频基础模型先验实现统一图像生成

FrameForge 利用预训练视频基础模型的时间先验实现统一条件图像生成，通过输入自适应的虚拟时间关系建模条件与目标之间的变换。其 Mixture of Temporal Experts（MoTE）动态选择不同虚拟间隔的时间 RoPE 专家，Chain of Temporal Reasoning（CoTR）则以潜在中间状态建模条件到目标的转换。