GeoStream：迈向精确相机控制的流式视频生成

arXiv 2026 59.4 method

TLDR

GeoStream通过自刷新3D缓存和在线策略蒸馏，在自回归流式视频生成中实现精确的度量尺度相机控制。

评分理由

The paper introduces a novel on-policy distillation method to align training and inference distributions, addressing autoregressive drift and geometric feedback. However, it focuses narrowly on camera control for video generation rather than a comprehensive world model, and lacks explicit connections to reinforcement learning.

Read-first 评分解释

综合优先阅读分 59.4，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 46。

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%

93.9

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：0.93937255

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：指标、结果

主题相关性 29%

65.7

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

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方法锚点

排序敏感性

稳定性：volatile；排名波动范围：449。

关键词评分

video world model

world model

generative world model

interactive world model

world simulator

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

自刷新3D缓存，从模型自身输出在线周期性更新，实现超出初始帧视锥的几何条件控制。
在线策略蒸馏，训练时条件从学生自身生成帧渲染，对齐训练与推理分布，缓解自回归漂移和几何反馈循环。
在自回归流式视频生成中实现显式度量尺度相机控制，克服了先前基于静态3D缓存的非自回归方法的局限。

方法

GeoStream维护一个自刷新3D缓存：从最新生成帧估计深度，反投影到3D，再投影到目标视图生成点重投影作为后续合成的几何条件。训练采用在线策略蒸馏，条件从学生自身生成帧渲染，确保模型针对推理时遇到的精确误差分布进行训练。

关键结果

定量和定性结果表明，该方法相比先前方法显著提升了相机可控性。

局限性

依赖从生成帧的准确深度估计，可能引入误差并通过缓存传播。
在线缓存更新可能增加推理时的计算开销。
摘要未明确讨论在极长序列或超出测试范围的分布外相机轨迹上的性能。

技术栈

Depth estimation3D unprojectionReprojectionAutoregressive video generationOn-policy distillation

资源

论文