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

RAYNOVA: 射线空间中的尺度-时间自回归世界建模

CVPR 26 2026 65.8 method, application

TLDR

RAYNOVA提出射线空间双因果自回归世界模型，实现多视角驾驶视频生成，在nuScenes上达最优。

评分理由

The paper introduces a novel geometry-agnostic representation using Plücker-ray encoding and a recurrent training paradigm to handle long-horizon generation. Strengths include strong generalization to novel camera setups and high throughput; weaknesses are limited to driving scenarios and lack of interactive or RL-based evaluation.

Read-first 评分解释

综合优先阅读分 65.8，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 42。

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

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：数据集、评估、指标、结果

主题相关性 42%
60

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 25%
50

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：代码、数据集、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：237。

关键词评分

world model
9
video world model
9
generative world model
8
world dynamics prediction
7
world simulator
6
interactive world model
2
model-based reinforcement learning world model
1

深度分析

创新点

  • 遵循尺度和时间拓扑顺序的双因果自回归框架，用于统一的4D时空推理
  • 使用相对Plücker射线位置编码的跨视角、帧和尺度的各向同性时空表示，实现几何无关的泛化到不同相机设置和自车运动
  • 缓解长时程视频生成中分布漂移的循环训练范式

方法

RAYNOVA是一种用于驾驶场景的几何无关的多视角世界模型。它采用双因果自回归框架和全局注意力，通过尺度和时间拓扑顺序联合处理空间和时间相关性。该模型使用相对Plücker射线位置编码构建各向同性时空表示，并引入循环训练范式以减轻分布漂移。在nuScenes数据集上进行多视角视频生成的评估，并与先前方法进行比较。

关键结果

RAYNOVA在nuScenes上取得了最先进的多视角视频生成结果，同时提供了更高的吞吐量和在多种输入条件下的强可控性，并且无需显式3D场景表示即可泛化到新视角和相机配置。

资源

论文项目

标签