深度分析
AnchorEdit：自回歸擴散框架實現高解析度多輪影像編輯與記憶機制
多輪影像編輯在設計與創作流程中越來越重要，但現有模型常因身份漂移與誤差累積而失效。為解決此問題，研究團隊提出 AnchorEdit，這是第一個針對高解析度長期多輪編輯設計的自回歸擴散框架。模型經過三階段訓練：單輪身份保留預訓練、加入自滾動策略的因果強制微調，以及以一致性蒸餾壓縮為四步生成器。
深度分析
多輪影像編輯在設計與創作流程中越來越重要，但現有模型常因身份漂移與誤差累積而失效。為解決此問題，研究團隊提出 AnchorEdit，這是第一個針對高解析度長期多輪編輯設計的自回歸擴散框架。模型經過三階段訓練：單輪身份保留預訓練、加入自滾動策略的因果強制微調，以及以一致性蒸餾壓縮為四步生成器。
深度分析
長影片合成仍受語義漂移和敘事崩解困擾。A2RD提出一套代理化自回歸擴散流程，透過多模態視訊記憶、適應性片段生成與階層測試時自我優化，將生成與一致性檢驗分離。系統以檢索—生成—精修—更新的閉環方式逐段自我改善。實驗顯示其在新基準與公開資料上提升一致性與敘事連貫度。