基于世界模型的视频生成中物理一致性的无参考评估

arXiv 2026 58.4 benchmark

TLDR

提出基于DROID-SLAM和SEA-RAFT的无参考物理一致性评估方法，提升视频生成任务成功率8%。

评分理由

Strengths: novel reference-free evaluation method that quantifies physical inconsistencies and improves task success rates. Weaknesses: limited to specific SLAM and optical flow tools, and generalizability to diverse video generation tasks is unclear.

Read-first 评分解释

综合优先阅读分 58.4，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 44。

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

引用影响力 18%

94.6

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：0.94574276

主题相关性 29%

62.9

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 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：评估、指标

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：工件

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

基础论文前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：449。

关键词评分

world model

video world model

generative world model

world simulator

world dynamics prediction

interactive world model

model-based reinforcement learning world model

深度分析

创新点

用于评估生成视频物理一致性的无参考度量
结合相对和绝对方法评估保真度
使用DROID-SLAM和SEA-RAFT量化物理不一致性
通过绝对评估实现物理伪影的时空定位

方法

本文引入结合相对和绝对方法的无参考度量，评估基于世界模型的视频生成中的物理一致性。相对一致性评估使用DROID-SLAM和SEA-RAFT量化物理不一致性，受WorldScore启发；绝对评估则实现伪影的时空定位。通过基于相对一致性过滤视频并测量任务成功率提升来评估方法。

关键结果

使用相对一致性评估过滤后的视频，任务成功率提升超过8%，有效缩小了仿真到现实的差距。绝对评估提供了时空定位，可视化物理伪影发生的时间和位置。

技术栈

DROID-SLAMSEA-RAFTWorldScore

资源

论文