PhysStream：物理约束流式视频生成

发生了什么

据Hugging Face Papers报道，arXiv论文PhysStream提出一种自回归图像到视频模型，利用在线结构化场景记忆和稀疏速度增量信号实现交互式、基于物理的多对象动态控制。模型分两阶段训练，先微调双向模型，再训练因果自回归模型并加入场景记忆。在合成基准测试中，运动分布距离降低33%，轨迹误差降低12%，野外比较中获85%以上人类评估者偏好。