arXiv cs.CV· Ruibo Ming, Jingwei Wu, Zhewei Huang, Zhuoxuan Ju, Jianming Hu, Lihui Peng, Shuchang Zhou·· 4 小时前AI 评分27
STRIDE：用结构寄存器与语义预见改进自回归驾驶视频续写
Auto-Regressive Models Need Structural Registers: Semantic Foresight Improves Coherent Driving Video Continuation
AI 导读
针对自回归视频续写中的"生成退化"问题，研究者提出大视觉模型架构 STRIDE，通过交错生成语义 token 与 RGB token，将视频续写解耦为低熵语义图预测和高频外观生成两个子任务，语义 token 充当"结构寄存器"以保留场景长期上下文与世界动态。
来源：arXiv cs.CV · arxiv.org