arXiv new; ECCV 2026; video world model memory · P1 · 2026-07-01

MemLearner：它和通用视觉自监督的关系在于：视频 world model 的长期一致性不只靠更长 context，MemLearner 学习如何查询 context memory

中高相关；详见方法、贡献和实验边界。

MemLearner: Learning to Query Context memory for Video World Models　arXiv new; ECCV 2026; video world model memory　原文链接

编号2606.31734 优先级P1 类别arXiv new; ECCV 2026; video world model memory 会议arXiv new; ECCV 2026; video world model memory 方法视频 world model 的长期一致性不只靠更长 context，MemLearner 学习如何查询 context memory 来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：视频 world model 的长期一致性不只靠更长 context，MemLearner 学习如何查询 context memory。中高相关；详见方法、贡献和实验边界。

**Figureure 9 · : Overview of the base text-to-video generation model.**Fig. 9: Overview of the base text-to-video generation model.这张图概括 MemLearner 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

**Figureure 3 · : Model Architecture**Fig. 3: Model Architecture. Our video generation model adopts a Difusion Transformer. We concatenate C, Q, P tokens for context-conditioned long video generation. An optional camera encoder supports interactive control.这张图概括 MemLearner 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

核心问题

它和通用视觉自监督的关系在于：视频 world model 的长期一致性不只靠更长 context，MemLearner 学习如何查询 context memory。

方法拆解

视频 world model 的长期一致性不只靠更长 context，MemLearner 学习如何查询 context memory

主要贡献

中高相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。