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

具有长期空间记忆的视频世界模型

arXiv 25.6 2025 61.8 method

TLDR

引入基于几何的长期空间记忆以提升视频世界模型的一致性。

评分理由

Strengths include a novel memory mechanism inspired by human cognition and custom datasets for evaluation. Weaknesses are the narrow focus on video world models without broader real-world validation or discussion of limitations.

Read-first 评分解释

综合优先阅读分 61.8,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 43。

近期性 8%
86.7

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:2025

方法质量 25%
70

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、数据集、评估

主题相关性 42%
61.4

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%
46

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: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:166。

关键词评分

video world model
10
world model
9
generative world model
8
interactive world model
6
world simulator
5
world dynamics prediction
3
model-based reinforcement learning world model
2

深度分析

创新点

  • 用于视频世界模型的基于几何的长期空间记忆
  • 从长期空间记忆中存储和检索信息的机制
  • 用于训练和评估具有显式存储3D记忆机制的世界模型的定制数据集

方法

该框架引入了基于几何的长期空间记忆,并具备存储和检索信息的机制。定制数据集被用于训练和评估整合了显式3D记忆机制的世界模型。

关键结果

评估结果显示,与相关基线相比,质量、一致性和上下文长度均有提升。

标签