跳到正文
arXiv · 机器人与计算机视觉· Fang Yu, Xiaoxue Wu, Haiyu Zhang, Yangfu Li, Botong Zhao, Yu Qiao, Tianfan Xue, Yue Lu, Xinyuan Chen·· 20 天前精选AI 评分82

GROME:将因子化记忆引入视频世界模型

GROME: GROunding Factorized MEmory into Video World Models

AI 导读

针对视频世界模型在长视界一致性上的挑战,本文提出了 GROME 框架。该框架通过静态 - 动态因子化解耦历史证据、局部记忆检索消除几何漂移以及无需训练的内存注入机制,在不修改冻结主干网络的前提下显著提升了场景持久性与动态实体保真度。实验表明,GROME 能兼容外部观测作为即插即用记忆,支持灵活的视频续写与场景探索。

推荐理由

提出无需额外训练的因子化记忆框架,解决视频世界模型在长视界场景下的几何漂移与动态实体保真度问题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org