SlotMem

本文介绍SlotMem，一种面向叙事长视频生成的角色可寻址内部记忆框架。针对现有方法在长时隙生成中角色身份漂移及背景纠缠问题，SlotMem基于Wan2.2-I2V-A14B骨干，利用Character-Semantic Probe从交叉注意力中定位角色token，经Memory Encoder压缩为紧凑槽位，并通过Memory Writer保守更新。实验显示其在VBench、ViStoryBench等基准上表现优异，人类偏好研究中主体一致性胜率86.1%。需注意该方法依赖提示词中角色名称的一致性，且在多相似角色同框时存在局限。