FrameMorrow：基于前瞻性 Token 的未来引导帧选择方法用于长时序视频生成

FrameMorrow 提出一种前瞻性帧选择器，通过预测少量代表未来信息需求的前瞻性 Token 来从历史中选取相关帧，而非基于当前内容判断相关性。该方法选择显式历史帧而非模型内部状态，可即插即用集成到包括闭源模型在内的多种生成器中，推理开销极低。在长视频生成、交互式生成和动作条件世界模型等 5 个基准、11 个生成模型上评估，长程一致性、视觉质量和动作对齐均获一致提升。