본 논문은 비디오 생성에서 Test-Time Scaling (TTS)의 효과를 탐구합니다. 대규모 비디오 기반 모델을 고비용의 훈련을 통해 확장하는 대신, 추론 시간 연산량을 늘림으로써 비디오 생성 품질을 향상시키는 방법을 제시합니다. 비디오 생성을 가우시안 노이즈 공간에서 목표 비디오 분포로의 최적 경로 탐색 문제로 재해석하고, 추론 시간 검증자와 휴리스틱 알고리즘을 사용하여 검색 공간을 구축합니다. 선형 검색 전략과 더 효율적인 Tree-of-Frames (ToF) 방법을 제안하며, ToF는 자기회귀 방식으로 비디오 분기를 적응적으로 확장하고 가지치기합니다. 실험 결과, 추론 시간 연산량 증가가 비디오 품질 향상으로 이어짐을 보여줍니다.
