HLA-WM混合线性注意力框架提升长视频建模性能
热点事件观察中
HLA-WM混合线性注意力框架提升长视频建模性能
1 篇报道1 个报道来源2 天前更新
先了解这件事
AI 综述
研究者提出了一种名为HLA-WM的无需额外训练的混合线性注意力框架，该框架结合了几何引导检索与递归线性状态计算，旨在提升长时视频世界模型的场景一致性。 根据论文，在60秒的SANA-WM-Bench测试中，HLA-WM在六个汇总指标上实现了0.74 dB的PSNR增益和28.5%的旋转误差降低，同时将历史状态内存减少了12倍，推理吞吐量仅下降1.6%。
AI 根据报道生成 · 56 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- Hugging Face · 每日论文HLA-WM: Hybrid Linear Attention for Long-Horizon Video World Models
HLA-WM 是一种无需额外训练的混合线性注意力框架，通过几何引导检索与细粒度递归线性状态计算结合，提升长时视频世界模型的场景一致性。在 60 秒的 SANA-WM-Bench 上，HLA-WM 在六个汇总指标中实现 0.74 dB PSNR 增益和 28.5% 的旋转误差降低，同时将历史状态内存减少 12 倍，推理吞吐量仅下降 1.6%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。