WorldFlow联合视频与3D运动预测论文发布

Yuhao Lu 等人在 arXiv 发布生成式世界模型 WorldFlow 论文，该模型将 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 骨干在 rectified-flow 目标下联合去噪视频与 3D 轨迹，实现视频与基于查询的 3D 轨迹的联合预测。 模型在 144 万模拟与真实物体级样本上训练，并在自建评测集 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，论文称较最强外部基线降低 54.2%。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。