Out-of-Sight Causal Evolution

EvoWorld 框架增强了生成视频模型的因果推理能力

研究人员推出 EvoWorld，一个旨在增强生成视频模型模拟演化世界能力的新框架。当前模型在因果一致性方面常常遇到困难，生成的输出在视觉上看似合理，但在行为上却停滞不前。EvoWorld 通过集成一个视觉语言模型作为“世界大脑”，来推理状态转换及其后果，并指导视频渲染器创建因果上合理的输出，即使超出即时视觉帧。这种方法旨在改善事件条件演化并保持生成视频的一致性。