DeepVerse：作为世界模型的4D自回归视频生成

arXiv 25.6 2025 60.3 method

TLDR

DeepVerse是一种4D自回归视频生成世界模型，通过显式几何预测减少漂移并增强时间一致性。

评分理由

The paper introduces a novel approach to world modeling by integrating geometric constraints, which addresses a key limitation of existing models. However, the abstract lacks explicit mention of real-world datasets or benchmarks, and the evaluation details are vague, making it difficult to assess generalizability.

Read-first 评分解释

综合优先阅读分 60.3，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 48。

近期性 8%

86.7

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：2025

主题相关性 42%

68.6

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 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：实验、指标

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：GitHub

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：280。

关键词评分

world model

interactive world model

video world model

generative world model

world dynamics prediction

world simulator

model-based reinforcement learning world model

深度分析

创新点

在4D自回归世界模型中，显式地将先前时间步的几何预测纳入当前基于动作的预测中
用于保持长期空间一致性的几何感知记忆检索

方法

DeepVerse是一种4D交互世界模型，它自回归地生成视频帧，同时显式地将先前时间步的几何预测纳入当前基于动作的预测中。它利用几何约束来捕捉时空关系和物理动态，从而实现几何感知记忆检索以保持长期空间一致性。

关键结果

DeepVerse显著减少了漂移并增强了时间一致性，使得能够在多种场景下可靠地生成更长的未来序列，并在预测准确性、视觉真实感和场景合理性方面取得改进。

资源

论文项目