09:46arXiv cs.AI@Bo Ye, Xinyu Cui, Jian Zhao, Tong Wei, Min-Ling Zhang精选自回归长视频生成通常采用有界内存流式处理,结合局部窗口和静态早期帧汇(sink)来保持长期连续性。但静态帧汇在视觉状态大幅变化后仍缓存早期帧,丢弃了可能更相关的中间历史,导致生成偏向过时内容,甚至引发注意力坍塌。DySink 提出基于检索的动态帧汇框架,维护紧凑记忆库并选择视觉相关的历史帧作为动态汇,同时引入异常检测门控抑制坍塌。实验表明,DySink 在分钟级视频上持续提升动态度指标,并实现更高时间质量。代码和模型权重将开源。论文长视频生成自回归模型动态帧汇注意力机制开源/仓库推荐理由:长视频生成长期受困于静态帧汇导致的注意力坍塌问题,DySink 用检索式动态帧汇解决了这个痛点,做视频生成或自回归模型的团队可以直接参考其开源代码。原文