論文の概要: Recast the Past: Stable Long Video Generation with Full Context Memory

• arxiv url: http://arxiv.org/abs/2610.27986v1
• Date: Tue, 20 Oct 2026 10:27:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.762821
• Title: Recast the Past: Stable Long Video Generation with Full Context Memory
• Title（参考訳）: 過去を振り返る: フルコンテクストメモリで安定した長ビデオ生成
• Abstract要約: ReCamは、歴史的潜伏者の局所的なブロックをプロジェクトにグループ化し、それらを高次元の隠れた空間に直接緩和する。 Transformerモデルは、ネイティブな自己アテンションを通じて結果のトークンを使用することを学び、完全な履歴へのブロックレベルアクセスを維持しながら、メモリトークン数を削減します。 評価手法のうち,ReCamは,R2M-Bench上でのVhorizon-Long総合スコア80.1と,競合する静的・シーンの再現性能を最高に達成している。
• 参考スコア（独自算出の注目度）: 86.51692608974945
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-horizon video generation requires retaining an ever-expanding history, but conditioning on its growing token sequence is costly. Existing methods restrict or compress historical context, potentially losing information needed for future generation. This work proposes ReCam, which groups local spatiotemporal blocks of historical latents into vectors and projects them directly into the high-dimensional hidden space of a Diffusion Transformer. The model learns to use the resulting memory tokens through native self-attention, reducing token count while retaining block-level access to the full history. To mitigate temporal drift during autoregressive rollout, we further introduce dual-pointer denoising with separate noise schedules for recent context and target frames. Among the evaluated methods, ReCam achieves the highest VBench-Long overall score of 80.1 and competitive static-scene revisitation performance on R2M-Bench. It also leads on all four consistency metrics for off-screen subject reappearance, including clothing consistency of 4.09 versus 3.03 for the best baseline.
• Abstract（参考訳）: ロングホライゾンビデオ生成は、拡大する歴史を維持する必要があるが、その成長するトークンシーケンスの条件付けはコストがかかる。 既存の方法は歴史的文脈を制限または圧縮し、将来の世代に必要な情報を失う可能性がある。 この研究はReCamを提案し、これは歴史的ラテントの局所時空間ブロックをベクトルにグループ化し、拡散変換器の高次元隠れ空間に直接投影する。 モデルは、ネイティブな自己アテンションを通じて生成されたメモリトークンを使用することを学び、完全な履歴へのブロックレベルアクセスを維持しながらトークン数を削減します。 自己回帰的ロールアウト時の時間的ドリフトを軽減するため,近年の状況と対象フレームの異なるノイズスケジュールを持つデュアルポインターを導入する。 評価手法のうち,ReCamは,R2M-Bench上でのVBench-Long総合スコア80.1と,競合する静的・シーンの再現性能を達成した。 また、トップラインでは4.09と3.03の服の整合性を含む、オフスクリーンの被写体再出現に対する4つの整合性指標を導いた。

関連論文リスト

• MosaiChunk: Compositing Spatio-Temporal Memory for Autoregressive Video Generation [51.06065746897343]
  MosaiChunkは、選択された歴史的キー値エントリのモザイクを構成する時間記憶機構である。 RememBenchは、プロンプト駆動のテキスト・トゥ・ビデオ(T2V)とカメラ駆動のイメージ・トゥ・ビデオ(I2V)の分割によるロングホライズンリバイス(long-horizon revisits)のベンチマークである。
  論文  参考訳（メタデータ） (2026-10-01T17:51:05Z)
• LayerRecall: A State-Conditioned Memory Router for Long-Horizon Consistency in Video Generation [22.878882105342182]
  自己回帰ビデオ拡散は、境界付けられた最近の文脈からチャンクを生成する。 頻度ベースのキャッシュは、被写体、オブジェクト、シーン、または属性が再び現れるときに必要となる歴史的手がかりを排除します。 LayerRecallは関連するK/V状態を取得し、バックボーン固有のメモリ依存レイヤにのみ注入する。
  論文  参考訳（メタデータ） (2026-08-28T15:49:13Z)
• Tether the Subject, Release the Scene: Query-Aware Memory Routing for Long-Horizon Autoregressive Video Generation [52.12619606640385]
  本稿では,フリーズビデオジェネレータ用のクエリ対応メモリルータStreamingMemを紹介する。 TetherMemは、主題とシーンのクエリを分離し、地域と年齢の条件で履歴アクセスを変調する。 完全な30秒のビデオでは、背景、視点、シーンの状態の変化を保ちながら、被写体認識性と時間的連続性を維持する。
  論文  参考訳（メタデータ） (2026-08-27T10:05:17Z)
• Self Gradient Forcing: Native Long Video Extrapolation [60.00513917489133]
  自己グラディエント強制は、歴史的文脈-段階的ギャップを回復する。 コードとモデルがリリースされ、自動回帰ビデオ生成の研究が進められる。
  論文  参考訳（メタデータ） (2026-07-22T16:59:23Z)
• Echo-Forcing: A Scene Memory Framework for Interactive Long Video Generation [48.476317015122625]
  Echo-Forcingは、インタラクティブなロングビデオ生成のためのトレーニング不要のシーンメモリフレームワークである。 キャッシュのバウンダリでスムーズなトランジション、ハードカット、長距離シーンリコールをサポートする。
  論文  参考訳（メタデータ） (2026-05-15T14:33:09Z)
• Memorize-and-Generate: Towards Long-Term Consistency in Real-Time Video Generation [33.32047364623734]
  Memorize-and-Generate(MAG)は、メモリ圧縮とフレーム生成を別々のタスクに分離するフレームワークである。 我々は、記憶モデルを訓練して、履歴情報をコンパクトなKVキャッシュに圧縮し、この圧縮された表現を用いて、後続のフレームを合成する別個のジェネレータモデルを訓練する。 実験により、MAGは標準的なビデオ生成ベンチマーク上での競争性能を維持しながら、優れた歴史的一貫性を実現することが示された。
  論文  参考訳（メタデータ） (2025-12-21T14:02:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。