Awesome World Model Hub 论文 · 数据集 · 项目
← 返回论文列表

视频生成中物理认知演变的探索:综述

arXiv 25.03 2025 58.9 survey

TLDR

视频生成物理认知综述,提出从基础感知到世界模拟的三层分类法。

评分理由

Strengths: comprehensive taxonomy and systematic overview of physical cognition in video generation. Weaknesses: lacks empirical evaluation or new experiments; as a survey, it does not provide novel results.

Read-first 评分解释

综合优先阅读分 58.9,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 31。

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

可复现性 25%
73

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:有;数据:无;命中信号:GitHub

方法质量 25%
60

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:分析、基准

主题相关性 42%
44.3

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

研究版图角色

前沿论文复现锚点

排序敏感性

稳定性:volatile;排名波动范围:363。

关键词评分

video world model
8
world model
6
world simulator
5
world dynamics prediction
5
generative world model
4
interactive world model
2
model-based reinforcement learning world model
1

深度分析

创新点

  • 提出了视频生成中物理认知的三层分类法(基础图式感知、物理知识的被动认知、世界模拟的主动认知)
  • 采用认知科学视角组织视频生成中物理认知的演变
  • 涵盖架构设计、应用、基准测试和未来路径的全面综述

方法

本综述从认知科学视角系统回顾了视频生成文献,提出了基于物理认知水平对方法进行分类的三层分类法。涵盖了最先进的方法、经典范式和基准测试,并指出了关键挑战和未来研究方向。

关键结果

该综述提出了视频生成中物理认知的三层分类法,并指出了关键挑战和未来研究的潜在路径,旨在指导物理一致性视频生成范式的发展。

标签