知识卡片：PACR-Video：基于提示适配器上下文路由的参数高效多镜头长视频外推

一句话结论

PACR-Video 通过冻结文本到视频扩散 Transformer，仅添加低秩时间适配器与递归提示库，在不进行全模型微调的前提下，实现了多镜头长视频外推中实体、场景、语义和因果关系的连贯保持，并在六个基准上超越多种现有方法。

事件概述 / 研究问题

多镜头长视频外推需要保持重复出现的实体、场景结构、视觉风格和因果进程的长期一致性。现有方法通常需要对生成器进行全参数微调，参数效率低且容易丢失之前镜头的关键信息。PACR-Video 提出一种参数高效框架，在不改动底层扩散 Transformer 的前提下，通过轻量适配模块和上下文路由机制解决这一挑战。

方法/产品要点

• 冻结主干，低秩适配：保持文本到视频扩散 Transformer 参数不变，增广低秩时间适配器（low-rank temporal adapters），这些适配器由学习到的“镜头角色”提示令牌（shot-role prompt tokens）进行条件控制。
• 递归提示库：构建一个递归提示库，存储来自先前镜头的紧凑实体、位置、动作和风格提示，并根据预测的叙事依赖关系，通过适配器门（adapter gates）将这些提示路由到当前镜头。
• 双目标调优：采用 Shot-Local / Story-Global 调优目标，组合下一镜头重建损失、跨镜头身份对比损失和提示稀疏正则化。
• 适配器组合调度：设计适配器组合调度策略，平衡早期镜头的视觉一致性与后期镜头的事件进展和视角变化。

主要结果或产业意义

在六个多镜头和长视频基准上，PACR-Video 在分布质量（distributional quality）、语义对齐（semantic alignment）、身份一致性（identity consistency）、时间平滑性（temporal smoothness）、运动稳定性（motion stability）、过渡连贯性（transition coherence）和人工偏好（human preference）方面，均优于文本到视频基线、基于微调的基线、记忆增强基线、流式基线和递归上下文基线。结果表明，紧凑的提示路由和轻量时间适配足以提供稳定长视频外推所需的可控能力。

为什么重要

长视频生成是视频理解与生成领域的关键挑战，保持长期连贯性往往需要大量计算资源或全模型微调。PACR-Video 证明了在不改动底层大模型的情况下，仅通过参数高效的适配器与提示路由也能获得优异的连贯性和质量，为实际应用中的视频外推、短片扩展等场景提供了可行的低成本方案。

局限与不确定性

• 摘要中未报告 PACR-Video 的训练/推理速度、内存占用等工程效率指标，需待核实。
• 对于极长视频（例如数百个镜头）或复杂动态场景，递归提示库的存储与路由效率尚不明确，需待核实。
• 作者团队所属机构未在摘要中明确，具体机构信息待核实。

可用于图书/PPT/简报的角度

• 作为“参数高效微调”技术的视频生成应用案例，对比全微调与适配器方案的优劣。
• 展示如何利用递归结构和提示路由实现跨镜头上下文连贯，适合在“视频生成”“扩散模型应用”等章节中引用。
• 可作为“大模型时代轻量可控生成”的典型示例，强调在不改变基础模型权重的前提下实现新能力。

原始材料

• 英文标题：Prompt-Adapter Context Routing for Parameter-Efficient Multi-Shot Long Video Extrapolation
• 英文关键词：PACR-Video, prompt-adapter, context routing, parameter-efficient, multi-shot long video extrapolation, temporal adapter, recursive prompt bank
• 原始来源：arXiv:2607.06481v1 (cs.CV, cs.AI)
• 摘要链接：https://arxiv.org/abs/2607.06481v1
• PDF链接：https://arxiv.org/pdf/2607.06481v1