标签
提出 Any Time, Any Space(ATAS)框架,将剧本编译为带有显式位置、相机和事件时间引用的镜头请求,通过场景记忆和事件记忆实现长时程智能体式视频生成的跨镜头时空一致性,在四种视频生成器上均提升了一致性指标,并取得最佳综合评分。
可编程世界模型引入了一个框架,将世界状态演化与视觉生成解耦,通过可执行程序和3D边界框实现持久且可控的环境。