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

LiveWorld：生成式视频世界模型中视线外动态的模拟

arXiv 26.3 2026 72.4 method

TLDR

LiveWorld通过全局状态和监控机制模拟视频世界模型中的持久视线外动态，并在LiveBench上评估。

评分理由

The paper identifies a novel limitation (out-of-sight dynamics) in video world models and proposes a framework with persistent global state and monitor-based simulation. Strengths include a clear problem formalization and a dedicated benchmark, but the abstract lacks details on real-world data and the benchmark's composition.

Read-first 评分解释

综合优先阅读分 72.4，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 58。

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

主题相关性 42%
82.9

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%
80

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：基线、基准、评估、实验

可复现性 25%
38

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：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：84。

关键词评分

world model
10
generative world model
10
video world model
10
interactive world model
9
world dynamics prediction
9
world simulator
8
model-based reinforcement learning world model
2

深度分析

创新点

  • 在生成式视频世界模型中形式化视线外动态问题
  • 提出LiveWorld框架，包含由静态3D背景和动态实体组成的持久全局状态
  • 基于监控的机制，用于自主模拟活动实体的时间进展并在重新访问时同步演化状态
  • 引入LiveBench，一个专门用于评估视线外动态的基准

方法

LiveWorld建模了一个持久全局状态，包含静态3D背景和即使在未被观察时也持续演化的动态实体。它采用基于监控的机制，自主模拟活动实体的时间进展，并在重新访问时同步其演化状态，确保空间一致的渲染。该框架扩展了现有的视频世界模型，以支持持久的世界演化。

关键结果

LiveWorld实现了持久的事件演化和长期场景一致性，弥合了现有基于2D观察的记忆与真正的4D动态世界模拟之间的差距。

资源

论文

标签