Adobe 研究用 SSM 解锁视频世界模型的长时记忆

来自 Synced · 期号 2025-05-28

摘要

视频世界模型一直有个难题：它记不住太久以前的事。 Adobe 研究院的做法是把两种机制拼在一起——用状态空间模型（SSM）处理长程依赖，用密集局部注意力保证帧间的连贯性。训练时还用了扩散强制（diffusion forcing）和帧局部注意力等策略。论文附了开源代码。