World Model Video Generation Long-term Memory Real-time Inference
摘要

针对现有交互式视频生成难以兼顾长时记忆一致性与高分辨率实时生成的问题,本文提出 Matrix-Game 3.0。该模型通过升级工业级数据引擎、引入建模预测残差与相机感知记忆检索的训练框架,以及基于分布匹配蒸馏的多段自回归策略,实现了 720p 分辨率下的实时长视频生成。实验表明,该模型在保持分钟级序列记忆稳定性的同时,可达 40 FPS 生成速度,为可部署的世界模型提供了实用路径。

AI 推荐理由

论文核心提出长程记忆机制以解决视频生成中的时序一致性问题,是架构关键。

研究机构
Skywork AI
论文信息
作者 Zile Wang, Zexiang Liu, Jaixing Li, Kaichen Huang, Baixin Xu et al.
发布日期 2026-04-10
arXiv ID 2604.08995
相关性评分 9/10 (高度相关)