跳到正文
Hugging Face Daily Papers·· 28 天前AI 评分30

以视频为透镜:综述用世界建模统一视频理解与生成

Reading, Writing, Sharing, and Interacting with the World through Video

AI 导读

一篇 102 页综述提出以世界建模为统一视角,把视频基础模型与视频世界模型的研究组织为读取、写入、共享、交互四种操作:读取从观测视频推断世界属性,写入按指定或学习到的世界条件合成视频,共享用共通建模机制整合理解与生成,交互在动作与演化观测下预测并更新世界状态。

打开原文 arxiv.org