**Mirage：基于潜在空间记忆的高效三维一致视频世界模型**

_Latent Spatial Memory for Video World Models_

> 本文提出Mirage框架，通过直接在扩散模型潜在空间构建持久三维记忆缓存，避免像素空间重建，实现快速且低内存的视频生成。该记忆利用深度引导的反投影将潜在令牌提升到三维，并通过潜在空间变形合成新视图。实验表明，与显式三维基线相比，端到端视频生成速度提升10.57倍，内存占用减少55倍，在WorldScore和RealEstate10K上取得领先性能。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.09828)