AI视频生成新突破：MemFlow实现叙事连贯性

你是否曾遇到过AI视频生成的不连贯问题？在交互式创作中，仅仅切换一句提示词，故事就可能瞬间“崩塌”：一个角色暂时离开画面后再次出现，却“面目全非”，仿佛换了演员；或者，当你尝试引入一个新角色，AI却在后续的剧情中反复“召唤”这个新人，甚至将多个角色的特征混淆在一起。这种“金鱼记忆”式的顽疾，正是长视频生成在叙事上的一大挑战。

现在，香港大学和快手可灵（Kling）团队的研究者们，为我们带来了突破性方案——MemFlow。

MemFlow是一种创新的流式自适应记忆机制，它赋予了AI强大的长时记忆与叙事连贯性，有望彻底克服上述难题。

流动的叙事 vs. 僵化的记忆

为了生成长视频，主流模型普遍采用“分块生成”的策略，然而，如何让后生成的片段精准地“记住”前面的内容，成为一大技术挑战。以往的方法各有局限：

1. “只记开头”的策略：一些模型只保留第一个视频片段作为记忆，后续生成容易迷失。

2. “一刀切”的压缩策略：将所有历史画面压缩成固定大小的“记忆包”，容易丢失关键细节。

3. “各自为政”的流程：将任务拆分，不同模型分别生成，拼接后缺乏全局一致性。

这些僵化的、非自适应的记忆策略，无法应对交互式创作中流动的、不可预测的叙事需求。

产生真正的长时记忆与叙事连贯性

MemFlow跳出依赖死板、固定记忆的传统模式，建立了一套动态、以语义作为桥梁的记忆系统。其优势主要体现在：

1. 长时记忆：维持复杂场景下的视觉一致性

MemFlow获得了物体形象的长期记忆能力。即使在长视频中存在复杂情况，它也能记住每个主体的核心视觉特征。

2. 叙事连贯性：确保多主体故事线的清晰发展

学习导演思维，从全局角度理解剧情。MemFlow能准确理解并延续叙事，让故事流畅地向前推进。

自适应的高效动态记忆

MemFlow的强大能力源于两大核心设计：

叙事自适应记忆（NAM）：智能检索相关视觉记忆，维持一致性。

稀疏记忆激活（SMA）：只激活最关键信息，提升生成速度。

从定量数据到定性对比的全面验证

定量分析：关键指标的显著提升

综合质量与美学评分表现出色

长程语义一致性得到验证

一致性表现优异

定性分析：视觉对比直观呈现模型优势

效率评估

实验结果显示：在同样的多提示词长视频生成任务中，MemFlow保持了更好的叙事连贯性和视觉一致性。

开启长视频叙事新纪元

由香港大学与快手可灵团队共同打造的MemFlow，通过其独特的动态记忆机制，将AI视频生成技术推向了新高度。

Arxiv链接

项目页面

Github链接