任意时间、任意空间：以世界状态为中心的智能体视频生成框架

论文提出 ATAS，用显式场景、相机和事件时间索引管理长篇视频生成中的世界状态；关注价值在于它针对跨镜头空间关系和非连续时间回溯，而不是只依赖提示词或最近帧。

• 系统把剧本编译成带位置、镜头和事件时间引用的镜头请求。
• 生成前从静态场景记忆和动态事件记忆检索证据，生成后重建并登记片段。
• 只有经过审查和状态检查的观察才会写入记忆，影片交付流程与记忆接纳相互独立。
• 论文在四个视频生成器上报告了跨镜头一致性、空间回访、事件重现和人工评价的提升，并提供项目页面和代码入口。
• 影响/看点：将视频生成转化为带状态管理的场景编排，可能改善长篇内容的连续性和可回溯性；实际效果取决于场景重建准确度、记忆错误累积以及不同生成器对状态约束的执行能力。
• 资料依据:
• Any Time, Any Space: A World-State-Centric Framework for Agentic Video Generation（2026-10-14）：https://arxiv.org/abs/2610.20571
• ATAS Project Page（2026-10-14）：https://lhmd.top/atas/

本内容由 AI 生成，仅供参考，请注意甄别