Weiqi Zhang, Wenyuan Zhang, Yu-Shen Liu, Junsheng Zhou · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28631 · open-access PDF
Các mô hình thế giới hiện tại cho mô phỏng thế giới rõ ràng thường theo hai con đường riêng biệt: (1) các mô hình tạo video (ví dụ, Sora), mô phỏng sự xuất hiện thực tế nhưng không duy trì sự nhất quán 3D; và (2) các mô hình tạo 3D (ví dụ, Marble), tạo ra các cảnh nhất quán về mặt địa lý nhưng thường tạo ra các quan sát tĩnh, ít thực tế hơn. chúng tôi trình bày AEON, một khuôn khổ thống nhất kết nối các mô hình thế giới dựa trên video và 3D và kết hợp những lợi ích của cả hai.
Machine translation (Meta M2M100); the English original follows.
Current world models for explicit world simulation typically follow two distinct pathways: (1) video generative models (e.g., Sora), which simulate realistic appearances but fail to preserve 3D consistency; and (2) 3D generative models (e.g., Marble), which generate geometrically consistent scenes but often yield static, less realistic observations. We present AEON, a unified framework that bridges video-based and 3D-based world models and combines the benefits of both. The key insight of AEON lies in a generative model that operates within the text- or image-conditioned video latent space whi
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=2610.28631, 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