SymRegFlow：对称正则化流匹配用于视频世界模型

arXiv 2026 35.5 method, theory

TLDR

SymRegFlow 通过对称正则化流匹配在连续相机姿态下生成多视角一致视频，在 nuScenes 上无需新视角监督即达到最优 FVD。

评分理由

The paper introduces a novel regularization method for flow-matching video world models, with theoretical guarantees and strong empirical results on driving datasets. Its main limitation is the narrow scope: it focuses on camera-pose generalization rather than interactive or general world dynamics, so broader world-model claims are not fully supported.

Read-first 评分解释

综合优先阅读分 35.5，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 41。

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：基线、实验、指标

主题相关性 25%

58.6

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：无

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：324。

关键词评分

video world model

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

SymRegFlow：一种对称正则化流匹配框架，用于在连续视点下生成多视角一致视频，无需真实新视角 RGB 监督。
针对每个目标姿态，将源视角几何扭曲为噪声锚点，并结合掩蔽双锚点监督与跨锚点去噪输出一致性，以缓解锚点特定误差。
在仿射高斯代理模型下证明，适当的一致性正则化能在固定噪声水平下恢复干净参考最优解，并严格优于单锚点和合并锚点基线。

方法

SymRegFlow 基于流匹配的多视角视频世界模型，将源视角扭曲为每个目标姿态的噪声锚点，并应用掩蔽双锚点监督及跨锚点去噪输出一致性。在 Cosmos-Drive-Dreams 和 nuScenes 上使用 FVD、FVMD、FID 和实例保持指标进行评估，并与单锚点、合并锚点及其他评估基线进行比较。

关键结果

在 nuScenes 上，SymRegFlow 在评估基线中获得最低的 FVD 和 FVMD，相对最优基线将 FVD 降低超过 31%；源条件推断还取得最佳 FID 和实例保持。在 Cosmos-Drive-Dreams 和 nuScenes 上的实验展示了高质量、多视角一致的自驾车视频生成。

资源

论文