본 논문은 장편 영상 생성을 위한 모델의 두 가지 주요 과제, 즉 장거리 의존성 포착과 자기회귀 디코딩으로 인한 오류 누적을 해결하기 위해 MemoryPack과 Direct Forcing을 제안한다. MemoryPack은 텍스트 및 이미지 정보를 활용하여 단기 및 장기 의존성을 공동으로 모델링하고, Direct Forcing은 학습-추론 정렬을 개선하여 추론 중 오류 전파를 줄인다.
시사점, 한계점
•
MemoryPack을 통해 분 단위의 시간적 일관성을 달성하고 계산 효율성을 유지하면서 비디오 길이에 따라 확장 가능한 동적 컨텍스트 모델링을 제공한다.
•
Direct Forcing을 통해 단일 단계 근사 전략으로 학습-추론 정렬을 개선하여 오류 전파를 억제한다.
•
자기회귀 비디오 모델의 실용적 사용성을 향상시킨다.
•
논문의 구체적인 실험 결과 및 성능 비교에 대한 정보는 제공되지 않았다.
•
모델의 일반화 성능 및 다양한 종류의 비디오 생성에 대한 적용 가능성에 대한 추가적인 연구가 필요하다.
