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

Hand2World: 基于自由空间手势的自回归自我中心交互生成

arXiv 26.2 2026 65.9 method, application

TLDR

Hand2World通过自由空间手势从单张图像生成自我中心交互视频，采用自回归框架和相机几何嵌入。

评分理由

Strengths: addresses key challenges in egocentric generation (distribution shift, camera-hand ambiguity, long videos) with novel conditioning and camera embeddings. Weaknesses: limited to egocentric view, may require further validation on diverse scenes.

Read-first 评分解释

综合优先阅读分 65.9，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 48。

近期性 8%
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

方法质量 25%
70

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：基准、实验、指标

主题相关性 42%
68.6

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

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：144。

关键词评分

interactive world model
9
world model
8
generative world model
8
video world model
8
world dynamics prediction
8
world simulator
7
model-based reinforcement learning world model
0

深度分析

创新点

  • 基于投影3D手部网格的遮挡不变手部条件化
  • 通过逐像素普吕克射线嵌入的显式相机几何
  • 全自动单目标注流程
  • 将双向扩散模型蒸馏为因果生成器以实现任意长度合成

方法

Hand2World是一个统一的自回归框架，使用基于投影3D手部网格的遮挡不变手部条件化，通过逐像素普吕克射线嵌入注入显式相机几何，并采用全自动单目标注流程。它将双向扩散模型蒸馏为因果生成器，以实现任意长度视频合成。

关键结果

在三个自我中心交互基准上的实验表明，在感知质量和3D一致性方面有显著提升，同时支持相机控制和长时程交互生成。

资源

论文项目

标签