InfinityDrive: 打破驾驶世界模型的时间限制
TLDR
InfinityDrive 生成分钟级高保真时空一致驾驶视频。
评分理由
The paper introduces a novel driving world model capable of generating over 2 minutes of high-resolution video, addressing the key limitation of short time windows in existing models. Strengths include the spatio-temporal co-modeling and memory mechanisms for long-term consistency, but the abstract lacks detailed quantitative comparisons and does not discuss interactive or reinforcement learning aspects.
Read-first 评分解释
综合优先阅读分 59.5，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 45。
研究版图角色
排序敏感性
稳定性：volatile；排名波动范围：161。
关键词评分
深度分析
创新点
- 首个支持分钟级视频生成（超过1500帧，超过2分钟）的驾驶世界模型
- 高效的时空协同建模模块，实现高分辨率（576×1024）视频的时空一致性生成
- 扩展的时间训练策略，支持长视频生成
- 记忆注入与保留机制，最小化累积误差
- 自适应记忆曲线损失，实现一致的长视频生成
方法
InfinityDrive引入了一个高效的时空协同建模模块，结合扩展的时间训练策略，生成高分辨率驾驶视频。它集成了记忆注入与保留机制以及自适应记忆曲线损失，以减少累积误差，从而实现超过1500帧的一致视频生成。该模型在多个数据集上进行了保真度、一致性和多样性的评估。
关键结果
InfinityDrive在高保真度、一致性和多样性方面达到了最先进水平，生成了分钟级驾驶视频（超过1500帧，超过2分钟），分辨率为576×1024。在多个数据集上的全面实验验证了其生成复杂多样场景的能力。