Tag · 3 篇
记忆机制
分布 生成模型与扩散2视频理解与时序1
01 02 03
OneStory：基于自适应记忆的连贯多镜头视频生成
OneStory: Coherent Multi-Shot Video Generation with Adaptive Memory
将多镜头视频生成重构为逐镜头自回归的下一镜头生成任务，并复用预训练 I2V 模型；其帧选择构建全局记忆与重要性引导的 patch 化压缩上下文，可直接迁移到长视频生成、故事化叙事以及任何需要跨片段长程一致性的条件生成任务。
MVLM：基于视觉-语言边界置信度与记忆门控跟踪的无模板跟踪
MVLM: Template-Free Tracking via Vision-Language Margin Confidence and Memory-Gated Tracking
用视觉-语言相关性与时序记忆构造 margin 置信度，并据此在紧凑 ROI 搜索与全局重定位之间动态切换，为无模板、纯语言指定的跟踪提供了一种可复用的置信度门控搜索策略。
面向高效视频生成的双粒度记忆
Dual-Granularity Memory for Efficient Video Generation
针对循环式视频生成模型的分块处理导致时序不连续问题，提出上下文记忆（sink 列+边界缓冲）与潜变量记忆（跨段检索历史 latent）两种机制，可直接迁移到任何 chunked 自回归/循环视频生成器以提升长程一致性，且无需相机标注或帧重建。