Honeycomb 用六张固定尺寸特征平面做场景记忆，在 WorldScore 与 RealEstate10K 上把回访一致性和新视角合成同时推高

HexMemory 把持久场景记忆表示为六张固定尺寸的二维特征平面，即三张空间平面与三张时空平面，每对正交坐标轴覆盖四个坐标各一次，并附带记录累积插值权重的置信度图与世界空间/写入时间的包围盒。 既有空间记忆（如 Spatia 缓存 RGB 观测点云、LSM-World 缓存与 3D 点关联的扩散隐变量）会随观测累积而增长；这里改为低秩平面分解，平面维度在生成全程不变。 论文给出平面采样公式（双线性插值、空间平面跨写入时间共享信息、与时空平面相乘捕捉时变内容），并说明 HexPlane 原本逐场景优化而 HexMemory 使用跨场景共享的写入器，无需逐场景优化。

前馈写入器把每个新分块的隐变量观测映射为平面特征，递归更新时先按需扩展包围盒、以双线性插值把旧平面形变到新边界并保持网格维度，再用置信度加权池化与零初始化的学习式残差校正融合新旧特征。 相比逐场景直接优化（原 HexPlane 做法）和每步用全部历史点重建平面的替换式写入器，递归写入只处理新分块，避免重复处理完整历史。 消融显示递归写入在分块 2/5/9 的写入时间恒为约 13 毫秒，替换式写入器从 11.2 毫秒增长到 40.1 毫秒，直接优化约 3217 毫秒（论文称约慢 240 倍）；三者 WorldScore 闭环 PSNR 分别为 17.22、17.16、17.44 dB。

在 WorldScore 闭环回访评测中，Honeycomb 在全部指标上取得所比较方法中的最好结果，PSNR 比次优方法高 1.23 dB，相对 Spatia 把光流误差从 6.64 像素降到 3.00 像素；在 RealEstate10K 新视角合成上达到 18.45 dB PSNR，高于 Spatia 的 15.58 dB 与 LSM-World 的 17.46 dB。 这些结果是在特征记忆尺寸固定、且写入记忆时不排除动态物体与天空的条件下取得的，而对比方法依赖随观测增长的空间缓存。 WorldScore 含 3000 个图像到视频样本，闭环评测从 100 个场景的输入图像出发沿离开并返回初始视角的轨迹生成；RealEstate10K 评测使用测试集 100 段视频，报告 PSNR、SSIM、LPIPS。

记忆分辨率与写入方式的消融给出存储、写入成本与质量之间的取舍：把平面分辨率从 512 降到 256 使 HexMemory 从 73.9 MB 降到 19.8 MB（论文称减少 73%），WorldScore 闭环 PSNR 仅下降 0.12 dB；附录的保留性探针显示，在 129 帧序列上连续写入后重建第 1 分块的 PSNR 从 16.71 dB 降到 16.30 dB，三次额外写入共下降 0.41 dB，仍比禁用记忆的 12.29 dB 基线高 4.01 dB。 这为固定尺寸记忆提供了可调的容量旋钮，并给出早期内容在后续写入下仍可恢复的量化证据。 消融在 WorldScore 闭环样本上进行，分辨率档位为 512/384/256/128；保留性探针固定输入帧、相机轨迹与提示词，并在计算精度时排除固定输入帧。

该结果面向以相机轨迹驱动的长时程视频世界模型生成，适用于需要离开并返回同一视角、要求布局与外观保持一致的场景；其记忆容量可通过平面分辨率调节，在 256 分辨率下以 19.8 MB 存储维持接近默认配置的回访质量，因此对存储受限的部署具有直接参考价值。方法依赖估计深度与相机位姿来完成世界空间反投影与写入，并建立在预训练相机可控视频扩散骨干之上，这界定了它当前适用的设定。

正文以摘要、方法、实验与附录的形式给出，图表以文字描述呈现，因此平面可视化与定性对比的具体细节仍需查阅原文图件确认。记忆保留探针只在一条 129 帧序列上报告，早期内容在更长 rollout 与更多次写入下的衰减趋势仍是开放问题。分辨率消融显示继续降低分辨率会带来更明显的质量退化，容量下限与场景复杂度之间的关系尚待刻画。此外，评测集中在 WorldScore 与 RealEstate10K，动态物体与天空被写入记忆这一设计在更复杂动态场景中的表现，以及与其他骨干结合时的行为，都是值得继续观察的方向。