斯坦福团队创新结合SSM与扩散模型，打造高效长时记忆视频世界模型

斯坦福大学等机构提出一种融合状态空间模型与扩散模型的新型“视频世界模型”，通过逐块扫描及帧局部注意力机制，解决了长期记忆受限问题，提升了时间记忆与空间一致性。实验显示，该方法在长期记忆任务中表现最优，且具备线性扩展的训练时间和恒定的推理成本，为交互式视频生成提供了新思路。
来源：https://mp.weixin.qq.com/s/TMv5qsPaP3IMGunMWGi32w