ViRDM：驯服表示分布匹配以实现少步因果视频生成

arXiv 2026 20.8 method

TLDR

ViRDM提出无需教师与评论网络的后训练方法，结合表示分布匹配与动态正则化，实现少步因果视频生成。

评分理由

The paper addresses a relevant efficiency problem by removing the teacher-critic stack and introduces several technical contributions to make representation distribution matching feasible for video. However, the abstract lacks explicit quantitative results or benchmark comparisons, so the empirical impact and limitations are not clearly visible.

Read-first 评分解释

综合优先阅读分 20.8，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 5。

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、评估、结果

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：代码

主题相关性 25%

7.1

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

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

排序敏感性

稳定性：volatile；排名波动范围：124。

关键词评分

video world model

world model

generative world model

world dynamics prediction

world simulator

interactive world model

model-based reinforcement learning world model

资源

论文