Shengqiong Wu, Meng Luo, Bobo Li, Ziwei Liu, Shuicheng Yan, Ming-Hsuan Yang, Philip Torr, Hao Fei · 2026 · arXiv
DOI: 10.48550/arXiv.2610.31668 · open-access PDF
비디오 기초 모델은 비디오 세계 모델이 그들이 묘사하는 세계의 근본적인 역학을 캡처하려고하는 동안 시각적 순서를 이해하고 생성하는 데 빠르게 발전했습니다. 그들의 다른 목표에도 불구하고, 둘 다 비디오 관찰과 진화하는 세계 사이의 관계에 관한 것입니다.이 설문 조사는 이러한 발전을 검토하기위한 통합 렌즈로 세계 모델링을 채택합니다. 관찰 된 비디오를 잠재적 인 시간 세계의 부분적, 손실적이고 시간적으로 순서화 된 프레젠테이션으로 볼 때, 우리는 4 개의 보완 작동 주위에 문서를 구성합니다 : 읽기에서 세계 속성을 추산합니다.
Machine translation (Meta M2M100); the English original follows.
Video foundation models have advanced rapidly in understanding and generating visual sequences, while video world models seek to capture the underlying dynamics of the world they depict. Despite their different objectives, both concern the relationship between video observations and an evolving world. This survey adopts world modeling as a unifying lens for examining these developments. Viewing an observed video as a partial, lossy, and temporally ordered projection of a latent temporal world, we organize the literature around four complementary operations: reading infers world properties from
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=2610.31668, 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