有人把 Geometry-Native Autoencoder"玩过头了",结果他自己用了 glorious(灿烂)来形容:这个模型有一个 81 帧的注意力窗口——窗口内它知道参考图长什么样;他把 4 个窗口首尾相链,于是画面里的狐狸为了留在框内,一路变形(shapeshift)——硬生生在窗口的接力里保住自己。
项目页:jiah-cloud.github.io/GAE.github.io/
"81 帧窗口"这个约束是全篇的题眼。注意力窗口之外,模型就"忘了"参考图——链条每接一缝,都是一次失忆的风险点;狐狸必须在上一窗结束前把自己调整成下一窗还认得出的样子,否则断裂就会露出来。
这与今晚"不许换位置"那篇是同一个问题的两种解法:那篇用状态表和路标把位置钉死在画面里,这篇让内容自己学会变形去迁就窗口——一个外置约束,一个内化适应;殊途同归的目标都是那三个字:别断片。
"链窗口"这个操作本身也透着工程现实主义。没有无限窗口的模型,就用接力跑出无限的长度——这与所有长程系统的老办法一脉相承:分段、设边界、在边界处交接。差别在于这里交接的不是文件和状态,而是视觉记忆;接缝处理得好不好,看的就是变形自然不自然。视频里那只狐狸的变形既好笑又诚实——它把模型的能力边界直接演了出来。
值得记的还有这个结果的气质:它不是产品发布,是一个人在技术边界上的玩闹式探索——"take it too far"这种自嘲,恰恰是这类发现的典型姿态。今晚的清单里官方公告居多,这类野生实验是另一条供给线:官方给能力,玩家给用法;很多后来成为正经功能的用法,第一版都长在某个深夜的实验视频里。
给想复现的人一句落地的:先别链四段——单窗口内拍一段参考图约束下的动画,看它稳不稳;稳了再接第二窗,盯接缝那两帧的变形是否连续。接缝验收通过,才谈得上多窗长片;否则你链得越多,狐狸变形得越辛苦,破绽也越密。













