研究人员推出了一种新颖的交互式视频生成方法“Walking in the Implicit”，该方法将场景表示为紧凑的神经隐式状态。该方法以 NeuWorld 为例，将生成分解为场景状态转换和姿势条件渲染。NeuWorld 利用 Transformer-VAE 和 Diffusion Transformer，无需预训练视频骨干网络即可进行训练，从而实现长时一致性和高效推理。 AI
影响 通过将场景状态与帧渲染分离，这项研究可能带来更高效、更一致的交互式视频生成系统。
排序理由 该集群描述了一篇关于交互式视频生成新方法的最新研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
NeuWorld enables efficient interactive video generation by representing scenes as compact neural implicit states and using a transformer VAE with diffusion transformer for trajectory-conditioned rendering.
arXiv:2606.30045v1 Announce Type: new Abstract: Interactive video generation systems for camera-controlled world exploration roll out growing sequences of latent video frames, entangling state transition with high-frequency observation synthesis. We propose Walking in the Implici…
Interactive video generation systems for camera-controlled world exploration roll out growing sequences of latent video frames, entangling state transition with high-frequency observation synthesis. We propose Walking in the Implicit, a scene-centric paradigm that changes the rol…