视频大模型

Ring Forcing: Towards Precise Long-Term Memory for Autoregressive Video Diffusion

环强制法：面向自回归视频扩散模型的精准长期记忆

Bowen Xue, Brandon Y. Feng, Chenguo Lin, Yuchen Lin, Yujia Zeng, Lvmin Zhang, Maneesh Agrawala, Honglei Yan, Panwang Pan

机构 * Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Peking University（北京大学） ； University of California, Berkeley（加州大学伯克利分校） ； ByteDance（字节跳动） 纠错

专题命中 视频扩散模型 ：video diffusion(title,abstract)；video generation(abstract)；分类 cs.CV

AI总结 针对自回归视频扩散模型的长期记忆瓶颈，提出Ring Forcing框架，通过环形训练策略、压缩与时间步组合策略及稀疏RoPE机制，实现分钟级视频生成的优异连贯性与物体恒常性，性能优于现有方法。

Comments Project page: this https URL (https://ringforcing.com)

SpatialCrafter: Single Image World Modeling with Generative 3D Proxies

SpatialCrafter：基于生成式3D代理的单图像世界建模

Chuan Fang, Lingteng Qiu, Yixun Liang, Rui Chen, Kunming Luo, Zhaohua Zheng, Tongyuan Bai, Feipeng Tian, Zilong Dong, Zihan Zhou, Ping Tan

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tongyi Lab, Alibaba Group（阿里巴巴集团通义实验室） ； ManyCore Tech Inc.（ManyCore科技公司） ； Jilin University（吉林大学） 纠错

专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV

AI总结 SpatialCrafter是解决图像到场景生成问题的两阶段框架，通过3D代理及相关策略提升3D一致性，构建了115K场景的新数据集，性能优于现有方法且鲁棒性强。

Comments 12 pages