Grome

新的GROME框架通过分解内存增强视频世界模型

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。