ContextMaster：藉由固定預算稀疏上下文路由實現互動式多鏡頭影片生成
為何重要
這項研究直擊多鏡頭影片生成在工作流程中的斷點：傳統模型通常將文本生成、參照與編輯視為獨立操作，難以在不同鏡頭間維持連貫的語境與歷史紀錄。ContextMaster 憑藉固定預算的上下文路由策略，讓開發者能在單一架構下處理複雜的狀態管理，且具備即時生成的可行性。 對產業而言，這證明瞭「稀疏上下文路由」是解決生成模型計算成本高漲潛在方案的可行性途徑，若這類技術能穩定訓練並部署，將大幅縮短多鏡頭生成從實驗室模型到商業應用的距離。
ContextMaster 是一個統一的模型解決方案，旨在透過「role-aware context representation」滿足互動式多鏡頭影片建立（IMVC）的需求，該需求在實務中要求模型能夠在生成文本、遵循參考或編輯來源影片的同時，維護多鏡頭間的共享歷史紀錄。
模型結合了可重用的乾淨上下文狀態、固定預算稀疏上下文路由以及 ConstraintSink，以確保任務約束在上下文擴充套件過程中保持可見且成本可控。
研究提出了一種兩階段許可權上下文組合框架（consistency distillation 與 distribution matching），並在三個基礎任務的實驗中顯示出優於專門基線的表現，同時在單顆 GPU 上實現了 16 FPS 的推論速度。