论文页 - Light Interaction: 面向交互式视频世界模型的免训练推理加速

来源：https://huggingface.co/papers/2605.31158

摘要

Light Interaction 通过自适应计算策略和优化注意力机制来加速交互式视频世界模型，且无需重新训练模型。

交互式视频世界模型能够根据用户控制的摄像头运动，逐块生成视频内容，从而支持实时游戏模拟、虚拟场景导航和具身人工智能训练等应用。然而，由于上下文记忆不断增长、注意力机制复杂度呈二次方增长以及重复的去噪步骤，扩展到长交互轨迹的代价极其高昂。我们提出 Light Interaction，这是一个面向交互式视频世界模型的免训练推理加速框架。我们的核心见解是：交互本身自然支持轨迹相关的自适应计算——在探索新区域时可丢弃检索到的空间记忆，可根据局部潜在动态调整时间上下文，当摄像头重新访问熟悉区域时可复用早期步骤的模型输出。基于这一见解，Light Interaction 结合了自适应上下文管理、去噪缓存加速，以及硬件与软件协同设计的、融合 Triton 内核的 3D 块稀疏注意力。在 HY-WorldPlay 和 Matrix-Game-3.0 上的评估表明，Light Interaction 无需模型重新训练即可实现高达 2.59 倍的加速，同时保持有竞争力的视觉质量。

查看 arXiv 页面 (https://arxiv.org/abs/2605.31158) 查看 PDF (https://arxiv.org/pdf/2605.31158) 项目页面 (https://2843721358l-del.github.io/Light-Interaction-Project/) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.31158)

在你的 agent 中获取此论文：

hf papers read 2605.31158

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2605.31158 即可从此页面链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2605.31158 即可从此页面链接。

引用此论文的 Spaces0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2605.31158 即可从此页面链接。

包含此论文的收藏0

没有收藏包含此论文

将这篇论文添加到一个收藏 (https://huggingface.co/new-collection) 即可从此页面链接。