该论文以程序化测试集 Moving Alphabet 控制视频内容分布、时长和文本描述质量，研究训练数据对文生视频模型的影响。实验指出，均衡多样的数据有利于泛化，高质量 caption 同时提升性能与训练效率；无分类器引导和高质量数据微调只能部分挽救错误预训练数据。
最近 24 小时暂无可用热度快照。