LSTD：面向视频生成的长短期时间扩散模型

arXiv 2026 30.8 method

TLDR

提出LSTD扩散模型，结合短时时间卷积与长时时间注意力，实现时间一致的视频生成与长视频推理。

评分理由

The paper addresses temporal consistency and memory efficiency in video generation, with novel modules and a long-video inference method. Strengths include empirical validation on multiple benchmarks and zero-shot inference; weaknesses are limited to video generation, with no connection to world models or RL concepts.

Read-first 评分解释

综合优先阅读分 30.8，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 0。

近期性 5%

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

引用影响力 15%

97.2

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：0.97190544

方法质量 15%

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、结果

引用速度 10%

28.5

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：3.00

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

主题相关性 25%

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 15%

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：无；代码：无；数据：无；命中信号：无

研究版图角色

基础论文前沿论文

排序敏感性

稳定性：volatile；排名波动范围：591。

关键词评分

world model

world simulator

generative world model

interactive world model

video world model

world dynamics prediction

model-based reinforcement learning world model