# 重访一致性

该工作提出 Honeycomb 视频世界模型及其 HexMemory 记忆：用三张空间平面加三张时空平面的低秩分解把场景特征存进固定尺寸记忆，前馈写入器只处理新生成的分块、通过保维度的平面形变与置信度加权池化加学习式残差校正来融合新旧特征，读取器再从记忆中取回隐变量条件化后续生成；在 WorldScore 与 RealEstate10K 上报告了更好的生成质量与回访一致性，且特征存储在整个生成过程中保持恒定。

该工作提出 Honeycomb 视频世界模型及其 HexMemory 记忆：用三张空间平面加三张时空平面的低秩分解把场景特征存进固定尺寸记忆，前馈写入器只处理新生成的分块、通过保维度的平面形变与置信度加权池化加学习式残差校正来融合新旧特征，读取器再从记忆中取回隐变量条件化后续生成；在 WorldScore 与 RealEstate10K 上报告了更好的生成质量与回访一致性，且特征存储在整个生成过程中保持恒定。

LOCI 提出一种混合空间记忆架构：在 30 个 transformer 块中的 15 个保留历史观测的键值缓存，另外 15 个只关注当前块并辅以一个由投影相机几何条件化读写的循环线性注意力记忆，循环读出会流入后续缓存块并为它们的查询提供累积场景上下文；在公开 MIND 记忆基准和留存的录制轨迹上，它比代表性世界模型和同配方全 softmax 模型更忠实地复现重访内容，全历史下等长度峰值内存降低约 30%，在有界观测库下以恒定内存流式生成长视频。

LOCI 提出一种混合空间记忆架构：在 30 个 transformer 块中的 15 个保留历史观测的键值缓存，另外 15 个只关注当前块并辅以一个由投影相机几何条件化读写的循环线性注意力记忆，循环读出会流入后续缓存块并为它们的查询提供累积场景上下文；在公开 MIND 记忆基准和留存的录制轨迹上，它比代表性世界模型和同配方全 softmax 模型更忠实地复现重访内容，全历史下等长度峰值内存降低约 30%，在有界观测库下以恒定内存流式生成长视频。

Memorizon 提出一种训练配方：每个被评分的 chunk 按相机共视性各自检索 top-k 潜变量，其并集构成容量有界的共享记忆库，使训练样本可覆盖任意长跨度而注意力序列长度保持不变；在滑动窗口基线上重访一致性全面提升，跨度长到覆盖首次访问后进一步提升，代价是图像质量下降。

Memorizon 提出一种训练配方：每个被评分的 chunk 按相机共视性各自检索 top-k 潜变量，其并集构成容量有界的共享记忆库，使训练样本可覆盖任意长跨度而注意力序列长度保持不变；在滑动窗口基线上重访一致性全面提升，跨度长到覆盖首次访问后进一步提升，代价是图像质量下降。

该工作提出 GEAR 框架，不再把历史观测融合成持久全局 3D 表示，而是用逐帧几何建立 token 级历史—目标对应，把几何当作视觉记忆的显式地址，再由 Geometric Correspondence Attention 只对几何匹配的历史特征做稀疏注意力注入，并用 Invisible Octree 剔除可投影但被遮挡的对应；在 DL3DV-Evaluation 与 WorldScore-Static 上报告了最优的视觉质量、相机控制与重访一致性，支持分钟级长时程生成。

该工作提出 GEAR 框架，不再把历史观测融合成持久全局 3D 表示，而是用逐帧几何建立 token 级历史—目标对应，把几何当作视觉记忆的显式地址，再由 Geometric Correspondence Attention 只对几何匹配的历史特征做稀疏注意力注入，并用 Invisible Octree 剔除可投影但被遮挡的对应；在 DL3DV-Evaluation 与 WorldScore-Static 上报告了最优的视觉质量、相机控制与重访一致性，支持分钟级长时程生成。