Memory Revisit Consistency

本指标用于评估 $360^\circ$ 回访类 rollout：模型中途必须离开初始视角，最后还要回到同一个生成场景。它比较协议采样的首末帧，不验证几何回访，因此只证明「视觉上离开过，并且末帧像首帧」。闭环官方协议改用位姿配对的 memory_revisit_fidelity 与 memory_return_gate。

读取 prediction 的协议采样帧 $\{I_t\}_{t=1}^{N}$（$N\ge 2$），将末帧 resize 到首帧尺寸。用 DINOv2 提取 $L_2$ 归一化特征，把余弦相似度映射到 $[0,1]$（定义同 memory_revisit_fidelity 式 (1)）。闭环三分量为

$$s_{\mathrm{DINO}} = s_{\mathrm{DINO}}(I_1, I_N), \qquad s_{\mathrm{SSIM}} = \mathrm{SSIM}(I_1, I_N), \qquad s_{\mathrm{MSE}} = 1 - \mathrm{clamp}_{[0,1]}\!\left(\frac{\mathrm{MSE}(I_1,I_N)}{\tau_{\mathrm{MSE}}}\right) \tag{1}$$

默认 $\tau_{\mathrm{MSE}} = 0.08$。闭环分数是加权平均（默认 $w_{\mathrm{DINO}}=0.55$、$w_{\mathrm{SSIM}}=0.25$、$w_{\mathrm{MSE}}=0.20$）：

$$S_{\mathrm{close}} = \frac{ w_{\mathrm{DINO}}\, s_{\mathrm{DINO}} + w_{\mathrm{SSIM}}\, s_{\mathrm{SSIM}} + w_{\mathrm{MSE}}\, s_{\mathrm{MSE}} }{ w_{\mathrm{DINO}} + w_{\mathrm{SSIM}} + w_{\mathrm{MSE}} } \tag{2}$$

为避免「完全不动但闭环满分」，再取 $25\%$、$50\%$、$75\%$ 三个中途帧，计算它们相对首帧的 DINO displacement，并经线性区间映射到 $[0,1]$：

$$\delta = \frac{1}{|\mathcal{Q}|}\sum_{q\in\mathcal{Q}} \bigl(1 - s_{\mathrm{DINO}}(I_1, I_q)\bigr), \qquad S_{\mathrm{prog}} = \mathrm{clamp}_{[0,1]}\!\left( \frac{\delta - \ell}{u - \ell} \right) \tag{3}$$

默认 $\mathcal{Q}$ 对应上述三分位，$\ell = 0.03$、$u = 0.18$。最终分数用进展门控调制闭环项（默认 $\gamma = 0.35$）：

$$S_{\mathrm{rev}} = S_{\mathrm{close}} \cdot \bigl((1-\gamma) + \gamma\, S_{\mathrm{prog}}\bigr) \tag{4}$$

完全静止的视频即使首末帧完全一致，也只能拿到约 $1-\gamma = 0.65$。

WorldAtlas 中本算法对应正式指标 memory_revisit_consistency（dinov2 后端）；归一化配置下 raw 与 normalized 均为 $[0,1]$，越高越好。它使用旧的首末帧协议，不能替代位姿对齐的回访指标。关键限制是没有使用几何真值，也不验证相机角度是否真的完成 $360^\circ$。

60 秒同输入示意案例

Audit manifest: docs/assets/metric_examples/longseq_memory_60s_examples_20260909.json.

输入图像

60 秒 memory_loop · 同输入示意

memory-dolly_loop-memory_pool_002

套件: memory_loop场景: photorealistic / outdoor / city

基准 prompt target

Move the camera forward through the scene, then back to where it started.

prompt source: memory_loop_prompt

这是粗粒度的首末帧对照。若存在真正回访，请优先看闭环指标族。

Model result videos will be available with the ModelScope release. / 模型推理视频将在 ModelScope 方案上线后提供。

输出 Amemory_revisit_consistency

Model result videos will be available with the ModelScope release. / 模型推理视频将在 ModelScope 方案上线后提供。

输出 Bmemory_revisit_consistency

输入图像

60 秒 memory_loop · 同输入示意

memory-square_loop-memory_pool_396

套件: memory_loop场景: photorealistic / outdoor / terrestrial_landscape

基准 prompt target

Walk a closed square around the scene and return to the starting view.

prompt source: memory_loop_prompt

这是粗粒度的首末帧对照。若存在真正回访，请优先看闭环指标族。

Model result videos will be available with the ModelScope release. / 模型推理视频将在 ModelScope 方案上线后提供。

输出 Amemory_revisit_consistency

Model result videos will be available with the ModelScope release. / 模型推理视频将在 ModelScope 方案上线后提供。

输出 Bmemory_revisit_consistency

输入图像

60 秒 memory_loop · 同输入示意

memory-yaw_loop_180-memory_pool_407

套件: memory_loop场景: photorealistic / indoor / living_spaces

基准 prompt target

Turn the camera to the right, then turn back to the starting view.

prompt source: memory_loop_prompt

这是粗粒度的首末帧对照。若存在真正回访，请优先看闭环指标族。

Model result videos will be available with the ModelScope release. / 模型推理视频将在 ModelScope 方案上线后提供。

输出 Amemory_revisit_consistency

Model result videos will be available with the ModelScope release. / 模型推理视频将在 ModelScope 方案上线后提供。

输出 Bmemory_revisit_consistency