EgoForge：目标导向的自我中心世界模拟器

arXiv 2026 39.4 method

TLDR

EgoForge通过GRAFT扩散优化，从单张自我中心图像与指令生成连贯第一人称视频。

评分理由

The paper introduces a novel generative world-model approach for egocentric video, addressing challenges like viewpoint changes and latent intent with minimal inputs. Its strengths include a new trajectory-level diffusion refinement method and real-world smart-glasses validation, but the abstract lacks quantitative details and explicit limitations.

Read-first 评分解释

综合优先阅读分 39.4，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 52。

近期性 5%

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 25%

74.3

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 15%

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：基线、实验、指标

可复现性 15%

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

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

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。引用数：0

引用速度 10%

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：500。

关键词评分

world simulator

world model

generative world model

video world model

world dynamics prediction

interactive world model

model-based reinforcement learning world model

深度分析

创新点

EgoForge，一个目标导向的自我中心世界模拟器，可从最小静态输入（单张自我中心图像、高层指令和可选辅助外部视角）生成连贯的第一人称视频展开。
GRAFT，一种轨迹级扩散细化方法，利用由目标、时序、场景一致性和感知奖励推导出的正负 rollout 分布，引导扩散速度场生成连贯且目标完整的自我中心模拟。
与以往自我中心方法不同，无需相机轨迹、长视频前缀或同步多相机采集等密集监督。

方法

EgoForge 输入单张自我中心图像、高层指令和可选辅助外部视角，生成第一人称视频展开。它采用 GRAFT 轨迹级扩散细化方法，通过由目标、时序、场景一致性和感知奖励推导出的正负 rollout 分布来引导扩散速度场。

关键结果

大量实验表明，EgoForge 在语义对齐、几何稳定性和运动保真度上相较强基线取得持续提升，并在真实智能眼镜实验中表现稳健。

资源

论文