【导读】VMem用基于3D几何的记忆索引替代「只看最近几帧」的短窗上下文：检索到的参考视角刚好看过你现在要渲染的表面区域；让模型在小上下 文里也能保持长时一致性；实测4.2s/帧，比常规21帧上下文的管线快~12倍。 当你用一张图「逛」一套房子，来回转场、回到起点，还希望厨房看起来还是原来的厨房——这件事对视频生成模型并不容易。 牛津大学团队提出VMem（Surfel-Indexed View Memory）：把「看过什么」写进一种叫surfel的几何小片里，下一次生成时只取真正相关的过往视角当上 下文，实现了「一致性更强、资源更省、速度更快」的效果。 论文链接：https://arxiv.org/abs/2506.18903 · 几何做「记忆目录」 · 即插即用 记忆模块可挂在SEVA等图像集生成骨干上；把上下文从K=17减到K=4仍能守住指标，还把时延砍到4.2s/帧（RTX 4090）。 为什么「回头看」这么难？ 两类主流路线各有痛点： VMem重新审视第二类：与其看「最近」，不如看「最相关」。相关性的度量来自几何可见性。 写入（Write）：新生成的帧用CUT3R等点图预测得到稀疏点云→转成surfe ...