GODIVA：从自然描述生成开放域视频

arXiv 2021 29.2 method

TLDR

GODIVA是开放域文本生成视频预训练模型，采用3D稀疏注意力自回归生成，在Howto100M上预训练，并提出RM评估指标。

评分理由

The paper presents a text-to-video generation model with large-scale pretraining and zero-shot evaluation, which are strengths. However, it does not address world models or interactive dynamics, and the abstract lacks details on limitations and baseline comparisons.

Read-first 评分解释

综合优先阅读分 29.2，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 1。

方法质量 25%

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、评估、实验、指标

近期性 8%

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：2021

可复现性 25%

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：数据集

主题相关性 42%

1.4

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

候选论文

排序敏感性

稳定性：volatile；排名波动范围：54。

关键词评分

video world model

world model

world simulator

generative world model

interactive world model

world dynamics prediction

model-based reinforcement learning world model

资源

论文