Byungwoo Jeon, Sunghwan Hong, Dohyeon Kim, Jonghoon Lee, Jungwoo Park, Inhee Lee, Doosan Baek, Jinil Kim · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28594 · open-access PDF
À cette fin, nous introduisons le Video-Point Model (VPM), un modèle mondial qui conditionne les histoires vidéo multi-visuelles et une instruction linguistique pour prédire conjointement les vidéos futures à partir de points de vue arbitraires et les trajectoires 3D des points de scène persistants.Nous étendons un modèle mondial prétrainé avec un traitement multi-visuel conditionné par la caméra qui intègre des observations complémentaires entre les caméras et ajoute une tête de trajectoire qui prédit comment les points physiques se déplacent au fil du temps.
Machine translation (Meta M2M100); the English original follows.
Reliable multi-view forecasting requires videos from different cameras to describe the same evolving 3D scene. To this end, we introduce Video-Point Model (VPM), a world model that conditions on multi-view video histories and a language instruction to jointly forecast future videos from arbitrary viewpoints and the 3D trajectories of persistent scene points. We extend a pretrained world model with camera-conditioned multi-view processing that integrates complementary observations across cameras, and add a trajectory head that predicts how physical points move through time. Each trajectory trac
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28594, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange