SANA-WM-Bench
PulseAugur coverage of SANA-WM-Bench — every cluster mentioning SANA-WM-Bench across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Mix Forcing 预训练增强交互式视频世界模型
研究人员推出了一种新颖的因果预训练方法 Mix Forcing，旨在改进交互式视频世界模型。该技术采用混合双向和自回归（MoBA）注意力机制，结合了教师强制和双向训练来训练模型，以保留视觉先验并实现自回归生成。该方法还包含一个分块交叉注意力机制，用于在线文本交互，在不泄露未来指令的情况下，根据环境和局部提示来调整视频块。实验表明，通过 Mix Forcing 预训练的模型在生成时间较长的情况下，也能达到最先进的视觉质量和时间精度。
-
HLA-WM框架通过改进的远程记忆提升视频世界模型
研究人员开发了HLA-WM，一个新颖的免训练框架，旨在通过改进长序列的记忆保持能力来增强长视域视频世界模型。该系统通过结合粗粒度几何引导检索和细粒度循环线性状态计算，解决了现有循环线性注意力模型中信息丢失的问题。HLA-WM有效地缓存和检索相关的历史场景信息，在SANA-WM-Bench和MBench-A等基准测试中，PSNR等指标显著提高，旋转误差降低，同时与全KV缓存相比，内存需求也大大降低。
-
JoyAI-Echo-1.5系统统一长视频和交互式世界生成
研究人员推出JoyAI-Echo-1.5，一个用于生成长篇视听内容（包括持久化故事和交互式世界）的统一系统。该系统利用跨镜头记忆来保持角色身份和声音在长序列中的一致性，并结合了面向几何的相机控制，以实现世界生成中的灵活视角。JoyAI-Echo-1.5在WBench和SANA-WM-Bench基准测试中均获得最高排名，展示了其在视觉质量、文本对齐和长视域持久性方面的有效性。