GaussianDWM: 基于3D高斯驾驶世界模型的统一场景理解与多模态生成

arXiv 25.12 2025 52.8 method, application

TLDR

提出GaussianDWM，基于3D高斯驾驶世界模型，统一场景理解与多模态生成，在nuScenes和NuInteract上评估。

评分理由

Strengths include novel 3D Gaussian representation for text-scene alignment, task-aware sampling, and dual-condition generation. Weaknesses: limited to driving domain, abstract cut off, no baseline comparisons mentioned.

Read-first 评分解释

综合优先阅读分 52.8，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 32。

近期性 6%

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 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：有；数据：无；命中信号：代码、数据集、GitHub

引用影响力 18%

59.4

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：0.59381572

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：数据集

主题相关性 29%

45.7

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

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

前沿论文复现锚点

排序敏感性

稳定性：volatile；排名波动范围：499。

关键词评分

world model

generative world model

video world model

world simulator

world dynamics prediction

interactive world model

model-based reinforcement learning world model

深度分析

创新点

基于3D高斯场景表示的统一DWM框架，同时实现3D场景理解与多模态生成
通过将语言特征嵌入每个高斯基元实现早期模态对齐
任务感知的语言引导采样策略，用于去除冗余3D高斯并将紧凑3D令牌注入LLM
具有高层语言条件和低层图像条件的双条件多模态生成模型

方法

提出的GaussianDWM框架使用嵌入语言特征的3D高斯场景表示进行早期模态对齐。它采用任务感知的语言引导采样策略为LLM选择紧凑3D令牌，并使用结合高层语言条件和低层图像条件的双条件生成模型进行多模态生成。

关键结果

该方法在nuScenes和NuInteract数据集上达到了最先进的性能。

技术栈

3D Gaussian Scene RepresentationLarge Language Model (LLM)Multi-modal GenerationLanguage-guided SamplingDual-condition Generation

资源

论文代码