Orbia：生成的视频能否形成一致的3D世界？

arXiv 2026 43.3 method

TLDR

Orbia基准通过受控探索与重访，在720个实例上系统评估交互式世界模型的3D一致性。

评分理由

The paper addresses a clear gap in evaluating 3D consistency of video-based world models, with a structured benchmark and diverse data sources. Its main limitation is that no experimental results or baseline comparisons are visible in the abstract, so the benchmark's utility and findings are not yet demonstrated.

Read-first 评分解释

综合优先阅读分 43.3，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 51。

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

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、数据集、评估、实验、指标

主题相关性 25%

72.9

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

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：有；代码：无；数据：无；命中信号：数据集

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

引用影响力 15%

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。引用数：0

引用速度 10%

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：654。

关键词评分

world model

interactive world model

generative world model

video world model

world simulator

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

提出Orbia，这是首个致力于系统、全面评估交互式世界模型中3D一致性的基准。
通过受控探索和重访，将评估组织为三个维度：输入保持、生成内容持久性和3D自一致性。
结合公开数据集、自采场景和仿真，在室内外环境和六种探索-重访协议下生成720个实例。
通过原生接口适配器评估27个文本、动作和相机条件模型。

方法

Orbia通过受控探索和重访，在三个维度上评估视频世界模型：输入保持使用配准的RGB-D参考和带标注锚点；生成内容持久性通过将输入中缺失区域的重访结果与首次生成观测进行比较；3D自一致性使用跨视角深度与特征对应、区域尺度一致性和留出高斯渲染。长达一分钟的探索与重访在720个室内外实例上测试长期一致性。

关键结果

摘要未报告定量实验结果；它指出该基准为诊断3D不一致性和评估跨六种协议的27个模型提供了系统基础。

资源

论文