DeltaTok

视频世界模型把每一帧编码成成百上千个 token，生成长视频时计算量爆炸。DeltaTok 是亚马逊的工作，提出「一帧只用一个 token」的增量编码方式，大幅提升生成式世界模型的效率。

它只编码帧与帧之间的变化，同时支持深度估计和语义分割等任务，论文获 CVPR 2026 Highlight。

软件功能

增量 token：一帧一个。

高效生成：长视频可行。

多任务：深度与分割。