V-RAE：重新思考用于生成的视频潜空间

arXiv 2026 20.1 method

TLDR

V-RAE利用冻结视觉编码器与时间池化构建语义化潜空间，提升视频重建与生成效率。

评分理由

The paper presents a novel latent space design for video generation, with strong empirical evaluation across reconstruction, semantic probing, and generation tasks, including a new temporal diagnostic. However, the abstract does not connect the method to world models or dynamics prediction, and the visible text is truncated, limiting assessment of broader claims.

Read-first 评分解释

综合优先阅读分 20.1，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 2。

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

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、GitHub

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：实验

主题相关性 29%

2.9

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

引用影响力 18%

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 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

排序敏感性

稳定性：volatile；排名波动范围：37。

关键词评分

world model

video world model

world simulator

generative world model

interactive world model

world dynamics prediction

model-based reinforcement learning world model

资源

论文