超越像素历史：具有持久3D状态的世界模型

arXiv 26.3 2026 52.9 method

TLDR

PERSIST提出持久3D状态世界模型，改善空间记忆与3D一致性，用于交互视频生成。

评分理由

The paper presents a novel paradigm that explicitly maintains a latent 3D scene, addressing key limitations of prior interactive world models. Strengths include clear methodology, quantitative and qualitative evaluations, and novel capabilities like single-image 3D synthesis. Weaknesses are not evident from the abstract alone, but the approach may have computational overhead or scalability concerns not discussed.

Read-first 评分解释

综合优先阅读分 52.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 56。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

主题相关性 29%

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：指标、结果

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：GitHub

引用影响力 18%

34.9

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.34909398

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：484。

关键词评分

world model

interactive world model

generative world model

world simulator

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

提出了PERSIST，一种模拟潜在3D场景（环境、相机和渲染器）演化的世界模型范式，实现持久空间记忆和一致几何结构。
能够从单张图像合成多样化的3D环境。
支持通过直接在3D空间中进行环境编辑和指定，实现对生成体验的细粒度、几何感知控制。

方法

PERSIST通过模拟由环境、相机和渲染器组成的潜在3D场景的演化来建模世界。这使得能够合成具有持久空间记忆和一致几何结构的新帧，超越了像素级历史，转向3D状态表示。

关键结果

定量指标和定性用户研究表明，与现有方法相比，在空间记忆、3D一致性和长期稳定性方面有显著改进，从而实现了连贯且不断演化的3D世界。

资源

论文