arXiv 2026 · ICLR 2027 在审共同第一作者Hugging Face Daily Papers 当日第 2
Any Time, Any Space: A World-State-Centric Framework for Agentic Video Generation
以世界状态为中心的智能体视频生成
为多镜头视频生成维护场景记忆与事件记忆:回到旧场景、换机位重放旧事件时,先取出相关状态作为条件,生成后经检查再写回。在四个视频生成器上提升了全部跨镜头一致性指标,人工评测六项第一。