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

GenieDrive: 面向物理感知的驾驶世界模型，基于4D占用引导的视频生成

arXiv 25.12 2025 66.5 method, application

TLDR

GenieDrive利用4D占用和互控注意力VAE生成物理感知驾驶视频，在41FPS下将预测mIoU提升7.2%。

评分理由

The paper introduces a novel framework that leverages 4D occupancy as a physics-informed prior for driving video generation, with efficient compression and end-to-end training. Strengths include clear methodology and strong quantitative results, but the abstract lacks explicit real-world dataset details and broader baseline comparisons.

Read-first 评分解释

综合优先阅读分 66.5，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 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%
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 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：评估、实验

可复现性 25%
46

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：代码、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：210。

关键词评分

world model
10
generative world model
9
video world model
9
world simulator
8
world dynamics prediction
8
interactive world model
7
model-based reinforcement learning world model
4

深度分析

创新点

  • 使用4D占用作为驾驶视频生成的物理信息基础
  • VAE将占用编码为潜在三平面表示，潜在大小减少到先前方法的58%
  • 互控注意力（MCA）建模控制对占用演化的影响
  • VAE与预测模块的端到端联合训练以提高预测准确性
  • 归一化多视图注意力用于4D占用引导的多视图视频生成

方法

GenieDrive首先生成4D占用，捕获高分辨率3D结构和动态，作为物理信息基础。VAE将此占用压缩为潜在三平面表示，互控注意力机制建模驾驶控制如何影响占用演化。VAE和预测模块以端到端方式训练。对于视频生成，归一化多视图注意力模块利用4D占用引导生成多视图驾驶视频。

关键结果

该方法在41 FPS下仅用3.47M参数实现预测mIoU提升7.2%，视频生成FVD降低20.7%，实现了高度可控、多视图一致且物理感知的驾驶视频生成。

资源

论文项目

标签