浙大等提出 ATAS 框架,用世界状态记忆让长视频生成跨镜头保持一致
zju · hf · 2026-10-15
浙江大学、Monash、UC Berkeley 等机构提出 Any Time, Any Space(ATAS),面向长篇 agentic 视频生成中跨镜头时空一致性难题。
- 核心思路:将剧本编译为带显式位置、相机与事件时间引用的镜头请求;用「场景记忆」(静态几何)+「事件记忆」(按场景/事件/时间索引的动态观察)在生成前检索证据,生成后重建并注册片段,经审查与状态校验通过才更新记忆。
- 效果:在四个视频生成器骨干上全面提升跨镜头一致性指标,均为各骨干最高总基准分;在空间重访、事件重演等维度优于对比 agent 与 3D 引导方法,六项人类评分全部最高。
- 代码与视频结果已开源。
「多模态」频道最新
- 浙大阿里 PixText 修复生成图文字:字形通过率 83% 远超基线 — ATH-MaaS · 2026-10-15
- TextVerifier 抓 AI 生成汉字错笔画:F1 0.844 远超 OCR 与 VLM — ATH-MaaS · 2026-10-15
- AI 视频创作者:「惊艳画面已被解决,剩下拼的是原创 IP 角色」 — AIandDesign · 2026-10-15
- 微软 MAI-Image-2.6 图像模型登陆 Vercel AI Gateway — lmoroney · 2026-10-15
- 微软 MAI-Image-2.6 上架 Vercel AI Gateway，一个 Key 调两档模型 — lmoroney · 2026-10-15
- 网友用 Seedance 2.5 生成 AI 视频，称其为杰作 — SimplyAnnisa · 2026-10-15