长序列生成

时间回响：解锁视频到音频生成模型中的长度泛化能力

Echoes Over Time: Unlocking Length Generalization in Video-to-Audio Generation Models

论文提出的非因果 Mamba 层次化架构，为视觉研究者提供了一种在测试时把短视频训练模型外推到长视频序列的思路，可直接迁移到长视频生成、长时序多模态对齐等需要长度泛化的场景。