vid2vid-long：基于显式对应关系的长时序一致性视频翻译方法
实时视频翻译一直有个老大难：为了跑得快只看固定窗口，画面一久就不一致。这篇论文的思路挺巧——直接在输入帧之间找 patch 对应关系，用 cross-attention 把历史生成结果拉回来。做实时视频生成的朋友可以看看代码思路。
实时视频翻译一直有个老大难：为了跑得快只看固定窗口，画面一久就不一致。这篇论文的思路挺巧——直接在输入帧之间找 patch 对应关系，用 cross-attention 把历史生成结果拉回来。做实时视频生成的朋友可以看看代码思路。