Meta 等发布 World-T³：视频生成持久记忆使 PSNR 从 13.52 升至 18.31 dB
jiqizhixin · x · 2026-11-12
Meta Reality Labs、伊利诺伊大学芝加哥分校与布朗大学的预印本论文研究了相机可控视频生成中的持久记忆问题，提出 World-T³ 框架。
核心机制：当视频块离开活跃上下文时，模型用递归最小二乘（RLS）将带位姿键值（pose-keyed）的场景特征写入专用快权重；回到已见过的视点时按相机位姿检索这些特征。骨干网络在生成期间保持冻结，只有记忆状态演化，并通过双教师蒸馏在少步生成器中兼顾短程视觉质量与长程一致性。
关键结果：
- 在 120 段往返相机基准上，Revisit PSNR 从 SANA-WM 的 13.52 dB 提升到 18.31 dB
- 四步模型在单张 NVIDIA B200 上以 1280×704 分辨率达到 20.6 FPS
- 记忆大小与每步读写成本固定，不随视频长度增长（作者也指出这不等于完美的无限召回）
「研究」频道最新
- CoRL 2026 开设「持续自我改进机器人」工作坊,倡导体验时代范式 — chris_j_paxton · 2026-11-12
- AI 智能体考古：178 处 LiDAR 提交中 4 处获考古学家确认为新遗址 — BorisMPower · 2026-11-12
- 千名高中生研究:GPT-4 辅导提分 48%,撤掉后成绩反低 17% — tallmetommy · 2026-11-12
- 新方法让智能体在不确定性下遵守信念依赖规则，合规率提升18倍 — StephenLCasper · 2026-11-12
- 直驱+液冷新一代机器手发布，从执行器根治灵巧手发热难题 — ybisk · 2026-11-12
- CMU Griffin 实验室 AI4BIO Fellows 博士后项目招募倒计时 4 天 — niloofar_mire · 2026-11-12