实体
Autoregressive Video Generation
Autoregressive Video Generation
PulseAugur coverage of Autoregressive Video Generation — every cluster mentioning Autoregressive Video Generation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
History Forcing 增强了长视频生成的一致性
研究人员开发了一种名为 History Forcing 的新技术,以提高自回归视频生成模型的长程一致性。该方法使用历史上下文残差来校正蒸馏目标,帮助模型在延长的视频序列中保持连贯性。该方法在 1.3B 模型中展示了最先进的性能,在 VBench 和 VBench-Long 等基准测试中取得了高分,并在评估中显示出改进的场景演变和对象一致性。
-
AI研究通过新颖的权重内化技术解决长视频记忆问题 · 跟踪7个来源
研究人员正在开发新颖的方法来增强AI模型的记忆能力,特别是用于处理长视频流。几篇论文介绍了将历史数据内化到模型权重或抽象状态中,而不是仅仅依赖上下文窗口的技术。这些方法旨在提高一致性、降低计算开销,并在各种基准测试中实现更复杂的视频生成和理解。
-
新研究解决自回归视频生成中的长期记忆问题 · 追踪3个来源
三篇新研究论文解决了自回归视频生成中的挑战,重点在于改善长期记忆和场景一致性。Stream4D 引入了 4D 重建奖励和运动先验,以减少几何漂移并保持连贯的运动。Ring Forcing 通过环形结构训练策略和压缩技术来解决物体持久性和记忆容量问题。TetherMem 采用查询感知内存路由器来区分主体和场景查询,从而实现更动态的场景进展,同时保持主体身份。