LoViF 2026 首届面向4D世界模型的整体质量评估挑战赛 (PhyScore)

arXiv 2026 55.5 benchmark

TLDR

LoViF 2026 PhyScore挑战赛对世界模型生成的视频进行整体质量评估，评估物理真实性、时间一致性和异常定位。

评分理由

Strengths: addresses the gap in evaluating physical plausibility beyond perceptual quality, with a comprehensive benchmark of 1,554 videos across multiple tracks and human annotations. Weaknesses: focuses solely on evaluation metrics rather than proposing new world models or generation methods; abstract lacks results or analysis of submitted solutions.

Read-first 评分解释

综合优先阅读分 55.5，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 34。

近期性 6%

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 18%

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、数据集、评估、指标、结果

引用影响力 18%

72.2

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.721973

主题相关性 29%

48.6

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 18%

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

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：379。

关键词评分

world model

generative world model

world dynamics prediction

video world model

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

首个针对4D世界模型整体质量评估的挑战赛（PhyScore），填补了超越感知质量的物理合理性评估空白。
联合预测四个质量维度（视频质量、物理真实性、条件-视频对齐、时间一致性）并结合物理异常时间戳定位。
基准数据集包含来自七个世界生成模型的1,554个视频，涵盖三个赛道（text-2D, image-to-4D, video-to-4D）和26个类别，覆盖物理相关场景（动力学、光学、热力学）。
复合评估协议结合TimeStamp_IOU用于异常定位和SRCC/PLCC用于分数预测。

方法

参与者需要构建一个指标，联合预测四个维度（视频质量、物理真实性、条件-视频对齐、时间一致性）并定位物理异常时间戳。基准数据集包含来自七个世界生成模型的1,554个视频，涵盖三个赛道和26个类别。标签通过训练有素的人工标注和自动质量控制流程生成。评估使用复合协议，结合TimeStamp_IOU进行异常定位和SRCC/PLCC进行分数预测。

关键结果

摘要未报告具体的定量结果；它总结了挑战设计并提供了来自提交解决方案的方法层面见解。

资源

论文