TencentARC Releases WorldCrafter: Video World Model with Implicit 3D Memory for Long-Horizon Consistent Exploration
9 月 22 日，腾讯 ARC 等团队发布视频世界模型 WorldCrafter，论文与代码已开源（GitHub：TencentARC/WorldCrafter）。该工作针对交互式环境探索中视频世界模型难以长期尊重历史观测的问题，提出一种「可按相机查询的隐式 3D 感知记忆」，使模型在分钟级长程探索与跨视角漫游中保持场景一致，是视频生成走向可交互世界模型方向的一项代表性进展。
已确认
- 发布方为 TencentARC 及合作团队，作者之一 yshan2u 连发多条帖子介绍工作，论文与代码同步开源。
- 核心思路：让目标视角决定多视角证据如何压缩进视频生成器有限的记忆中，将 3D 空间信息隐式编码进记忆模块。
- 记忆载体既非刚性 3D 几何、也非单纯的潜变量记忆，而是由「3D 感知潜变量」组成的「软骨架」（soft skeleton of 3D-aware latents）。
- 能力：从单张图片或文本提示出发，结合历史观测生成视频；在动态场景中探索、移动物体后，场景状态可持久保持一致。
为什么重要
- 长时视频生成中场景一致性是公认难题，该工作在不依赖显式刚性 3D 表示的前提下实现持久记忆，为交互式世界模型提供了新范式。
- 代码开源便于社区复现与后续研究，跨视角一致性对游戏、仿真、具身智能等应用均有直接价值。
2026-09-22 ~ 2026-09-22 · 5 related posts
Primary sources
- [source] Tencent ARC's WorldCrafter adds implicit 3D-aware memory to video world models — TencentARC · 2026-09-22
- [source] WorldCrafter: A World Model With a 'Soft Skeleton' of 3D-Aware Latents for Persistent Memory — yshan2u · 2026-09-22
- WorldCrafter: consistent video world model with implicit 3D-aware memory — yshan2u · 2026-09-22