PPMem视频世界模型发布

发生了什么

Hugging Face Papers报道，PPMem使用紧凑平面基元作为持久3D内存，实现长视频生成与显式度量几何。该模型通过平面预测头和深度标记融合模块增强视频扩散Transformer，产生RGB视频和几何信息，形成持久平面内存。PPMem在DL3DV和RealEstate10K数据集上表现优于先前的3D世界模型，能持续在数百帧内保持一致性，同时生成度量级深度、表面法线和可导出的平面几何。