港大腾讯推 SCoPE，让视频世界模型理解 3D 空间
jiqizhixin · x · 2026-08-29
香港大学、港科大与腾讯 ARC Lab 提出 SCoPE (Sightline-Coordinate Positional Encoding)，改进视频 DiT 中的位置编码。
核心改进：
- 用射线空间坐标替代标准的张量网格位置编码。
- 基于相机运动计算每个 token 对应的观测射线并注入模型，使其推理 3D 位置关系而非 2D 像素邻域。
- 新增参数少于 0.1%。
效果： 显著提升相机控制、跨视角一致性和重访一致性。模型从 5B 增至 14B 时，SCoPE 的优势扩大，平移误差优势从 12% 增至 25%，FVD 从 23% 提升至 47%。
「研究」频道最新
- WEDGE 论文：把导航失败经历变成可学习的训练环境 — _akhaliq · 2026-10-16
- RExBench 基准:最强编码 Agent 自主完成研究扩展成功率仅 33% — najoungkim · 2026-10-16
- Google 发布 CLASHarness:基准测试多智能体冲突下的计算机操作能力 — google · 2026-10-16
- 清华团队证明:普通 Flow Matching 采样无法突破固定深度模型表达力上限 — SQZ · 2026-10-16
- APEX-Harm 基准:共享工作区中脚本注入攻击对智能体成功率居高不下 — KAUST · 2026-10-16
- USC 研究:智能体 residual stream 状态可预测并拦截越权动作与事后撒谎 — USC · 2026-10-16