DisCo：具有离散相机运动控制的世界模型

arXiv 2026 61.6 method

TLDR

DisCo使用离散相机运动基元提升视频世界模型动作可控性，解决表示纠缠。

评分理由

The paper identifies a key bottleneck (action representation entanglement) and proposes a discrete action conditioning method, supported by a new benchmark. Strengths include clear problem identification and empirical validation; weaknesses are not explicitly stated in the abstract but may include limited discussion of failure cases or comparisons.

Read-first 评分解释

综合优先阅读分 61.6，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 55。

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

引用影响力 18%

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：0.94975132

主题相关性 29%

78.6

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 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：基准、实验

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：无

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

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：485。

关键词评分

world model

video world model

interactive world model

world dynamics prediction

generative world model

world simulator

model-based reinforcement learning world model

深度分析

创新点

识别出动作表示纠缠是可控视频生成中的关键瓶颈
提出用于相机运动控制的离散动作基元以提升动作可分离性
引入DisCoBench，一个用于评估短期、长期和高动态探索场景的综合基准

方法

DisCo将视频生成条件化在一组紧凑的离散动作基元上，以提升动作可分离性，解决了连续相机表示中存在的动作表示纠缠问题。该模型在提出的DisCoBench基准上进行了评估，涵盖短期、长期和高动态探索场景。

关键结果

与现有方法相比，DisCo在保持视觉质量的同时实现了显著更可靠的动作跟随。

技术栈

video world modelsdiscrete action primitivesDisCoBenchcamera motion control

资源

论文