研究索引
论文
从 arXiv、上游 awesome 列表和其他研究源自动收集并分类的论文。
MineWorld：一个基于Minecraft的实时开源交互式世界模型
MineWorld是一个基于视觉-动作自回归Transformer的Minecraft实时交互世界模型，采用并行解码，优于扩散模型。
迈向交互式视频世界建模：前沿、挑战、基准与未来趋势
交互式视频世界建模的综述，涵盖前沿、挑战、基准和未来趋势。
world modelinginteractive video generationaction-conditioned generationsurveybenchmarksCV
Multimodal foundation world models for generalist embodied agents
该论文围绕“Multimodal foundation world models for generalist embodied agents”研究世界模型相关问题。
minWM：一个用于实时交互式视频世界模型的全栈开源框架
minWM是一个开源框架，通过可控微调和蒸馏将视频扩散模型转化为实时交互式视频世界模型。
video generationworld modelsreal-timeinteractivediffusion modelsCV
