StreamHOI针对长时、低延迟的人-物交互视频生成，研究图像到视频流式生成器如何组织有限历史记忆。方法通过离线交互区域感知的模块分析，为不同Transformer模块匹配专用记忆布局，并用记忆距离缩放增强早期交互状态访问。论文报告17.6 FPS和0.75秒首块延迟。
最近 24 小时暂无可用热度快照。