FrameMorrow: Future-guided Frame Selection with Prospective Tokens for Long-Horizon Video Generation
Aggiunta all'archivio di AIChronos il (numero del 5 ottobre 2026 ricostruito)· fonte del · Bo Yin, Xiaobin Hu, Jiaqi Zhao, Shuicheng Yan (National University of Singapore)
FrameMorrow è un metodo per la selezione dei frame guidato dal futuro che utilizza token prospettici per identificare le informazioni storiche rilevanti nella generazione di video a lungo termine. A differenza degli approcci esistenti basati sul contenuto corrente, questo modello seleziona i dati storici in base alla loro utilità futura, evitando ridondanze e costi computazionali elevati. La soluzione prevede la predizione di un insieme compatto di token che rappresentano le necessità informative future senza generare l'intero futuro completo. Questo approccio consente una selezione esplicita dei frame storici invece degli stati interni specifici del modello, facilitando l'integrazione plug-and-play con generatori diversi.
- Sfrutta token prospettici compatti per guidare la selezione storica senza generare il contenuto futuro completo.
- Permette un'effettiva gestione della memoria storica riducendo ridondanza e costi computazionali nei video lunghi.
- Supporta l'integrazione plug-and-play con modelli chiusi o aperti grazie alla selezione di frame espliciti anziché stati interni.
- Dimostra miglioramenti consistenti in termini di coerenza a lungo raggio, qualità visiva e allineamento alle azioni su 11 generatori.
Perché conta. Per gli sviluppatori che lavorano con LLM o agenti AI locali, FrameMorrow offre un meccanismo efficiente per gestire contesti temporali lunghi senza sovraccaricare la memoria del sistema. La capacità di selezionare storicamente in base a bisogni futuri è cruciale per ottimizzare l'inference e mantenere coerenza nei task complessi.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.