Spatial-TTT 是一款全新的框架，利用测试时训练（TTT）技术，在视频流中实现高效的长时程 3D 空间记忆与理解。
📝 详细摘要
腾讯混元与清华大学合作发布了“Spatial-TTT”，这是一个专为流式视觉空间智能设计的框架。通过利用测试时训练（TTT）技术，该模型能够更新快权重（fast weights）作为紧凑的空间记忆，使其能处理超过 7000 帧的视频，且内存增长呈亚线性，计算成本降低了 40% 以上。它在长时程视频理解基准测试 VSI-Bench 上达到了 SOTA（州际最高水平）结果，并已开源代码、模型和数据。
📊 文章信息
AI 评分：88
来源：Hunyuan(@TXhunyuan)
作者：Tencent HY
分类：人工智能
语言：英文
阅读时间：4 分钟
字数：877
标签： Spatial-TTT, 测试时训练, 计算机视觉, 3D 空间记忆, 视频理解