提出Spatial-TTT框架,基于测试时训练(TTT)在长时序视频流中动态更新快速权重以建模3D空间信息,结合混合架构、大块并行更新与滑动窗口注意力,并引入3D时空卷积的空间预测机制,提升长时序视频空间理解能力。
机构:清华
来源:arXiv 2603.12255 | AI4Papers 论文推荐平台