长视频生成可以回头看了！牛津提出「记忆增稳」，速度提升12倍

牛津大学团队提出VMem（Surfel-Indexed View Memory），一种基于3D几何记忆索引的视频生成方法。该方法通过将生成视图按surfel（表面元素）索引，实现对历史参考帧的高效检索，从而在仅需K=4上下文的情况下保持长时一致性，推理速度达4.2秒/帧，较传统21帧上下文方案快12倍。在RealEstate10K等基准测试中，VMem在回环轨迹等任务中表现更优，尤其在长期一致性与图像质量方面超越LookOut、GenWarp等方法。VMem具备即插即用特性，可作为外部记忆模块接入现有世界模型，提升其长期记忆与空间推理能力。目前方法仍受限于非实时性、室内数据依赖及评测指标不足，未来有望通过模型优化与算力提升进一步改进。
来源：https://mp.weixin.qq.com/s/muSPVne06AdhhpNyMrnR8Q