研究人员推出了一种新颖的大型视觉模型架构STRIDE(STructural RegIsters for Decoupled Extrapolation),旨在提高自回归视频续写的连贯性,尤其是在驾驶场景中。该模型通过将视频生成解耦为语义和RGB令牌预测来解决“生成退化”问题。STRIDE使用语义令牌作为“结构化寄存器”来维持长期上下文和场景动态,从而增强生成视频的时间一致性。 AI
影响 增强了自回归视频生成中的连贯性,可能改进自动驾驶的世界模型。
排序理由 该集群描述了一篇关于视频续写新模型架构的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- Ruibo Ming
- ScienceCast
- Scite
- STRIDE
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →