IXThinker·2025-09-06 15:10

牛津團隊提出VMem 長影片生成提速12倍

用一張圖「逛」一套房子，來回轉場、回到起點時，人們希望廚房仍是原來的廚房——這對影片生成模型並不容易。牛津大學團隊提出VMem，以基於3D幾何的記憶索引取代短窗上下文，實現更強的長時一致性並大幅提速。

長時一致性難題

傳統影片生成管線只看最近幾幀的短窗上下文，一旦視角反覆切換、回到曾出現的場景，模型便容易「失憶」，同一表面或物件的外觀會前後不一，長影片的一致性因此成為明顯瓶頸。