Any Time, Any Space：以世界状态为核心的智能体视频生成框架
ATAS旨在提升多镜头长视频的空间和时间一致性。它将剧本转换为明确标注地点、摄像机和事件时间的镜头请求，并分别检索存储静态场景几何信息和动态事件的记忆。视频生成后，系统会重建并登记片段；只有通过审核和状态检查的观测结果才会写入记忆。在四种视频生成器上的测试中，ATAS提升了所有报告的跨镜头一致性指标，并在每个基础模型上取得最高综合得分。研究还报告称，该方法在空间场景重访和事件重现方面表现更好。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。