MoGA：面向端到端长视频生成的混合组注意力

arXiv 2025 24 method

TLDR

提出MoGA混合组注意力，一种可学习稀疏注意力方法，实现高效长视频生成，支持分钟级480p长上下文视频。

评分理由

The paper proposes a novel sparse attention mechanism with a learnable token router, addressing quadratic attention costs in long video generation and showing strong empirical results. However, the abstract provides limited detail on baseline comparisons or limitations, and the work is not framed as a world model.

Read-first 评分解释

综合优先阅读分 24，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 3。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：实验

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

主题相关性 42%

4.3

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：76。

关键词评分

video world model

world model

world simulator

generative world model

interactive world model

world dynamics prediction

model-based reinforcement learning world model

资源

论文