IAMFlow：無需訓練的敘事長影片生成身份感知記憶框架

針對自回歸影片生成中長期一致性及記憶退化問題，本文提出IAMFlow，一種無需訓練的實體身份感知記憶框架。傳統方法依賴預設策略壓縮歷史幀或基於粗粒度注意力檢索關鍵幀，難以應對提示詞中實體指代變化導致的身份漂移與屬性丟失。IAMFlow透過LLM提取實體視覺屬性並分配全域ID，結合VLM異步驗證渲染幀屬性，實現顯式實體追蹤。為保持計算效率，框架引入異步視覺驗證、自適應提示詞轉換及模型量化等加速策略。此外，本文建構NarraStream-Bench基準，包含324個多提示腳本及三維評估協議。實驗表明，IAMFlow在NarraStream-Bench上以2.56分優勢超越最強基線，並在60秒多提示設定下實現1.39倍加速，顯著提升了長影片生成的敘事連貫性與生成效率。