综述以世界建模统一视频理解与生成

一篇综述论文提出以“世界建模”作为统一视角，把视频理解与生成整理为读取、写入、共享、交互四种操作：读取从观测视频推断世界属性，写入按指定或学习到的世界条件合成视频，共享通过共通建模机制整合理解与生成，交互则在动作与演化观测下预测并更新世界状态。 据该论文称，这一框架强调持续动态而非片段级感知。论文未在现有材料中给出实验验证或效果数据。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。