DDLP：基于深度动态潜在粒子的无监督对象中心视频预测

arXiv 2023 33.3 method

TLDR

提出DDLP，用深度动态潜在粒子实现无监督对象中心视频预测，支持假设生成与扩散视频生成。

评分理由

The paper presents a novel representation and achieves strong empirical results on video prediction benchmarks, with interpretability and generative capabilities as key strengths. However, it does not explicitly frame itself as a world model or address interactive or RL settings, limiting relevance to those keywords.

Read-first 评分解释

综合优先阅读分 33.3，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 9。

近期性 8%

65.1

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：2023

可复现性 25%

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：代码、数据集、GitHub

方法质量 25%

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：数据集、结果

主题相关性 42%

12.9

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

研究版图角色

候选论文

排序敏感性

稳定性：volatile；排名波动范围：50。

关键词评分

video world model

world dynamics prediction

world model

generative world model

world simulator

interactive world model

model-based reinforcement learning world model

资源

论文