跳转至

LiveWorld：视频世界模型新范式，让镜头之外的世界继续演化

Ch01.1172 LiveWorld：视频世界模型新范式，让镜头之外的世界继续演化

📊 Level ⭐⭐ | 5.1KB | entities/liveworld视频世界模型新范式让镜头之外的世界继续演化.md

LiveWorld：视频世界模型新范式，让镜头之外的世界继续演化

来源: 机器之心

发布日期: 2026-06-30

原文链接: https://mp.weixin.qq.com/s/IBAIk3TPzS_UExnHCtNUwg

已关注 关注 重播 分享

赞

关闭 观看更多

更多

退出全屏

切换到竖屏全屏 退出全屏 机器之心 已关注 分享视频 ，时长 00:32

0 / 0

00:00 / 00:32 切换到横屏模式

继续播放

进度条，百分之0

播放 00:00 / 00:32 00:32

全屏 倍速播放中 0.5倍 0.75倍 1.0倍 1.5倍 2.0倍 超清 流畅

继续观看

LiveWorld：视频世界模型新范式，让镜头之外的世界继续演化

观看更多 转载 , LiveWorld：视频世界模型新范式，让镜头之外的世界继续演化

机器之心 已关注

分享

点赞

在看

已同步到看一看 写下你的评论

视频详情

  • 论文标题：LiveWorld: Simulating Out-of-Sight Dynamics in Generative Video World Models

  • 项目主页： https://zichengduan.github.io/pages/LiveWorld/index.html

  • 文章链接： https://arxiv.org/abs/2603.07145

  • 代码链接： https://github.com/ZichengDuan/LiveWorld

世界模型正在成为通向通用智能的重要方向。借助视频生成模型强大的视觉先验，这类系统可以根据当前观察、文本提示和相机轨迹，模拟一个能够被持续探索的虚拟环境，并服务于智能体训练、交互式仿真、自动驾驶决策和大规模合成数据生成。

然而，当越来越多的研究开始追求更高的画质和更精确的相机控制时，一个更基础的问题仍未得到充分回答：这些模型究竟是在模拟持续运行的世界，还是只是在生成相机当前看到的视频？

来自阿德莱德大学、澳大利亚国立大学、蒙纳士大学、浙江大学与奥克兰大学的研究者重新审视了现有视频世界模型的建模方式。他们发现，这类方法普遍把「世界自身如何演化」与「相机在某个视角下看到了什么」交给同一个视频生成器处理。

这种耦合会带来一个直接后果：一旦某个物体离开相机视野，模型通常就不再更新它的状态，而是将其停留在最后一次被看到的时刻。例如，一只狗正在吃东西，观察者转头看向别处，过一会儿再回来。现实中，狗可能已经吃完并走开；现有模型却往往再次生成「狗仍在吃东西」的画面，仿佛相机移开的同时，局部世界也被按下了暂停键。

研究者将这一缺失的时间进程定义为 「视野外动态」（Out-of-Sight Dynamics） ，并指出现有视频世界模型实际上隐含着一种 「静态世界假设」 ：只有进入相机视野的内容才会继续变化。为打破这一假设，他们提出了 LiveWorld ，将世界演化与观察渲染显式解耦，使事件在离开视野后仍能持续推进。

LiveWorld：解耦世界演化与观察渲染

LiveWorld 的出发点很简单： 世界如何变化，不应该由相机正在看哪里决定。 因此，它不再让视频生成器同时猜测「世界发生了什么」和「相机看到了什么」，而是把两件事明确拆开：先让世界状态随时间演化，再根据相机轨迹渲染当前观察。

形式化地说，理想的世界模型应在时刻 维护一个与视角无关

→ 原文存档

关联