基于潜在世界模型的视频生成模型推理时物理对齐

CVPR 26 2026 67.8 method

TLDR

利用潜在世界模型作为奖励，在推理时提升视频生成的物理合理性，在PhysicsIQ挑战赛中获第一名。

评分理由

Strengths: novel inference-time alignment approach, strong empirical results including competition win and human preference study. Weaknesses: reliance on a specific latent world model (VJEPA-2), limited discussion of limitations or generalization.

Read-first 评分解释

综合优先阅读分 67.8，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 44。

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

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：有；数据：无；命中信号：GitHub

主题相关性 42%

62.9

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%

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、验证

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：200。

关键词评分

world model

video world model

world dynamics prediction

world simulator

generative world model

model-based reinforcement learning world model

interactive world model

深度分析

创新点

发现视频生成中物理合理性的不足不仅源于预训练，还源于次优的推理策略
引入WMReward，一种推理时对齐方法，利用潜在世界模型作为奖励来搜索和引导多个候选去噪轨迹
证明通过潜在世界模型引导扩展测试时计算，能在多种生成设置下提升物理合理性

方法

作者将提升物理合理性视为推理时对齐问题。他们利用潜在世界模型（VJEPA-2）强大的物理先验作为奖励，搜索和引导多个候选去噪轨迹，从而通过扩展测试时计算来提升生成性能。评估在图像条件、多帧条件和文本条件生成设置下进行，并通过人类偏好研究和ICCV 2025 Perception Test PhysicsIQ挑战赛验证。

关键结果

该方法在多种生成设置下显著提升了物理合理性，经人类偏好研究验证。在ICCV 2025 Perception Test PhysicsIQ挑战赛中，取得62.64%的最终得分，获得第一名，并超越此前最先进方法7.42%。

技术栈

VJEPA-2WMRewardDiffusion models

资源

论文代码