提出vid2vid-long方法提升长视频翻译时序一致性

Gaurav Parmar 等研究者提出 vid2vid-long，一种基于显式对应关系的视频到视频翻译方法。该方法通过输入视频中的 patch 级对应关系检索先前生成的输出，并以 correspondence cross-attention 作为条件，解决固定长度因果窗口导致的远程时序一致性缺失问题。 实验显示，该方法在多个近期视频模型上持续提升长时程一致性，同时保持生成质量与实时性能。论文已被 ECCV 2026 接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。