GROME 提出视频世界模型因子化记忆框架
热点事件持续更新
GROME 提出视频世界模型因子化记忆框架
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Fang Yu 等研究作者提出 GROME 因子化记忆框架，通过将静态场景信息与动态实体状态分开存储、局部检索记忆，并利用模型原有的条件路径注入记忆，增强视频世界模型生成长视频时的一致性。研究旨在同时改善场景持久性和动态实体保真度。 该框架无需额外训练即可注入记忆，重点解决视频世界模型在长时序生成中难以持续保持场景结构和动态实体状态的问题。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
GROME：将因子化记忆融入视频世界模型，实现长时序一致性报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · Machine LearningGROME：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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。