站内快照 · 国内可打开。外网原文可能无法访问。
- 论文公开站arXiv
WorldCrafter：具有隐式3D感知记忆的一致视频世界模型
WorldCrafter: Consistent Video World Model with Implicit 3D-aware Memory
摘要显示，WorldCrafter 是一种视频世界模型，学习可被相机查询的隐式3D感知记忆，让请求视角决定多视角证据如何压缩进视频生成器有限的 token 预算。记忆编码器与姿态条件读出模块同视频生成器联合训练，在去噪前将历史观测整合为固定数量的目标视角专属 token，无需显式深度对应。结合近期时序上下文与少步蒸馏，该模型支持从单张图像或文本提示进行流式场景探索，在静态与动态场景中提升了长时程一致性与相机控制精度。
意义：为长时程、跨视角一致的交互式视频世界模型提供隐式3D记忆方案，利于场景探索与相机控制类应用。