PairedStateBench

BoxWorld系统将交互推理与视频渲染分离

研究人员推出了BoxWorld，一个旨在通过将交互推理与生成式渲染分离来创建实时交互式视频世界的新颖系统。这种方法允许用户定义的规则来控制对象状态和交互，由一个专门的引擎确定结果，并由一个单独的渲染器生成视频。BoxWorld采用了三阶段训练策略，并引入了PairedStateBench，这是一个用于评估细粒度交互控制的基准，在性能上优于现有的端到端视频世界模型。