跳到正文
arXiv · 机器人与计算机视觉· Zhuokun Chen, Feng Chen, Xi Lin, Xiyu Wu, Jiahao He, Jianfei Cai, Bohan Zhuang·· 2026-10-06精选AI 评分82

HLA-WM:一种用于长视界视频世界模型的无训练混合线性注意力框架

HLA-WM: Hybrid Linear Attention for Long-Horizon Video World Models

AI 导读

针对 Gated DeltaNet 在长序列生成中的遗忘问题,该研究提出 HLA-WM 框架,结合粗粒度几何引导检索与细粒度循环线性状态计算,无需额外训练即可提升场景一致性。实验显示,该方法在 60 秒视频基准测试中将 PSNR 提升 0.74 dB、旋转误差降低 28.5%,并将历史状态显存占用减少至全 KV 缓存的 1/12,同时仅损失最多 1.6% 推理吞吐量。

推荐理由

该工作提出无需训练的混合线性注意力框架,在长视频生成中显著降低显存占用并提升场景一致性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org