arXiv · cs.AI· Yuhao Lu·· 1 天前AI 评分50
WorldFlow：基于大规模预训练的联合视频与 3D 运动预测世界模型
WorldFlow: Joint Video and 3D Motion Prediction via Large-Scale Pretraining
来源与原文
arXiv · cs.AI
作者：Yuhao Lu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.39278v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
Yuhao Lu 等人提出生成式世界模型 WorldFlow，通过将 3D 运动参数化为与视频网格对齐的连续位移 token，用统一 Mixture-of-Transformers（MoT）骨干在 rectified-flow 目标下联合去噪视频与 3D 轨迹。模型在 144 万模拟与真实物体级样本上训练，并在评测集 WorldFlowBench（1,678 个样本、11 个数据源）上取得最低 ADE 和 FDE；其中在 SpatialCog 集 ADE 为 0.060 m，较最强外部基线降低 54.2%。
来源：arXiv · cs.AI · arxiv.org