研究人员推出了一种名为GROME的新框架,旨在提高视频世界模型中的长时一致性。该方法将内存分解为静态和动态组件,从而可以分别保留场景几何和实体状态。然后,GROME使用局部内存检索来对齐静态历史和动态状态,从而增强时间连续性并减少几何误差。该框架可以无缝集成到现有的视频世界模型中,无需额外训练,并且还支持外部观察以实现灵活的视频续接和场景探索。 AI
影响 增强视频生成和探索任务中的长时一致性和可控性。
排序理由 该集群描述了一篇详细介绍视频世界模型新颖框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- Fang Yu
- Gotit.pub
- GROME
- Hugging Face
- Litmaps
- ScienceCast
- Scite
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →