论文页面 - 过去塑造未来：记忆在自回归视频生成中的作用

来源：https://huggingface.co/papers/2609.28466
发布于9月23日

#1 每日精选论文 (https://huggingface.co/papers/date/2026-09-24)
作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

生成模型的进步提升了视频保真度，使得长时域生成、交互式世界建模和动态视觉环境得以实现。自回归（AR）视频生成通过因果推演扩展视觉序列。然而，一个根本性的瓶颈随之出现：随着生成序列的扩展，实际模型必须在严格限定的上下文窗口、存储和计算资源下运行。因此，关键的历史信息——例如实体身份、动态状态以及干预引起的因果变化——常常在相关性尚未减弱时就已脱离活跃上下文。克服这一限制并维持时间上的持续性构成了一个根本性的记忆问题。我们对AR视频生成中的记忆机制进行了系统而全面的综述。我们从操作角度将记忆定义为：在外部AR步骤中维持的持久化历史信息，即使其原始证据不再局部可访问，仍能影响未来的生成过程。基于这一统一框架，我们从五个互补视角组织相关文献：（I）形式，即历史的表征载体；（II）功能，即需要保存的特定语义和物理信息；（III）操作，即记忆的写入、读取、更新、管理和整合的生命周期；（IV）学习，即在闭环推演中记忆行为的优化；以及（V）评估，即诊断真实记忆能力的范式。我们最后综合了开放挑战，包括可组合且资源感知的记忆架构、可信的状态更新、自推演学习以及标准化评估。通过连接表征、机制和学习范式，本文为开发可靠、记忆条件化的视频生成系统奠定了结构化基础。

查看 arXiv 页面 (https://arxiv.org/abs/2609.28466)查看 PDF (https://arxiv.org/pdf/2609.28466)GitHub30 (https://github.com/HaroldChen19/Awesome-AR-Video-Memory)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.28466)

在您的代理中获取此论文：

hf papers read 2609\.28466

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

引用本文的模型 0

暂无模型链接此论文。

在模型的 README.md 中引用 arxiv.org/abs/2609.28466 以从本页面链接它。

引用本文的数据集 0

暂无数据集链接此论文。

在数据集的 README.md 中引用 arxiv.org/abs/2609.28466 以从本页面链接它。

引用本文的 Space 0

暂无 Space 链接此论文。

在 Space 的 README.md 中引用 arxiv.org/abs/2609.28466 以从本页面链接它。

包含本文的收藏 0

暂无收藏包含此论文。

将本文添加到收藏 (https://huggingface.co/new-collection)以从本页面链接它。