GROME：将因子化记忆融入视频世界模型，实现长时序一致性

GROME 提出一种因子化记忆框架，通过静态与动态信息解耦、局部记忆检索和免训练记忆注入，增强视频世界模型的长时序一致性。该框架分别保留场景几何结构与动态实体状态，并利用原生条件路径注入记忆，无需额外训练即可提升场景持久性和动态实体保真度。