渲染而非解码：具有潜在结构解耦的权重空间世界模型

arXiv 2026 58.3 method

TLDR

NOVA使用权重空间隐式神经表示渲染世界状态，消除解码器瓶颈，实现解耦场景编辑。

评分理由

The paper introduces a novel framework that replaces traditional latent decoders with analytically rendered INRs, achieving compactness and zero-shot super-resolution. Its strengths include strong empirical validation on challenging datasets and unsupervised disentanglement of structural components. Weaknesses are the lack of explicit real-world deployment details and limited discussion of scalability beyond single GPU.

Read-first 评分解释

综合优先阅读分 58.3，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 54。

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

主题相关性 29%

77.1

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

引用影响力 18%

72.7

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：0.72657854

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：数据集

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：代码、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

排序敏感性

稳定性：volatile；排名波动范围：451。

关键词评分

world model

generative world model

video world model

world dynamics prediction

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

将世界模型状态表示为辅助坐标基隐式神经表示（INR）的权重和偏置，而非不透明的潜在编码
通过分析渲染INR状态消除解码器瓶颈，实现紧凑性、可移植性和零样本超分辨率
无需辅助损失或对抗目标即可解耦结构场景组件（背景、前景、帧间运动）
通过动作匹配目标蒸馏为上下文相关的视频生成器

方法

NOVA将系统状态建模为坐标基隐式神经表示（INR）的权重和偏置，通过分析渲染生成观测，无需重型解码器。该框架使用动作匹配目标将世界模型蒸馏为可控视频生成器，并在无需辅助损失的情况下实现结构解耦。

关键结果

该框架在多个具有挑战性的数据集上实现了强可控预测，仅需单个消费级GPU和约4000万参数，并支持零样本超分辨率和可编辑场景组件。

资源

论文