CineMem：多镜头长视频生成记忆检索框架

Xiaoxue Wu 等人发布论文提出 CineMem，一个面向自回归多镜头视频生成的注意力对齐细粒度记忆检索框架。它通过在线聚类组织历史 token 的 KV cache，并引入查询级检索机制，在固定检索预算下扩大对历史信息的访问范围。 作者称，该设计让生成器在镜头切换尤其是回访场景中保持长程一致性，并在受限内存预算下逼近全量记忆访问。论文同时提出一套由 VLM 辅助的镜头间一致性评估指标。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。