腾讯 ARC 发布 WorldCrafter：隐式 3D 记忆让视频世界模型分钟级探索保持一致

TencentARC · hf · 2026-09-22

TencentARC 发布视频世界模型 WorldCrafter，针对交互式环境探索中长期时域与跨视角难以尊重历史观测的问题，学习一种「可按相机查询的隐式 3D 感知记忆」：- 核心思路是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 token 预算

• 记忆编码器与位姿条件读取模块与视频生成器联合训练，在去噪前把历史观测整合进固定数量的目标视角专属 token，无需显式深度对应
• 结合近期时序上下文与少步蒸馏，可从单张输入图或文本提示开始流式探索场景
• 静态与动态场景实验显示长时域一致性与相机控制精度显著提升，视觉质量在分钟级探索中保持

原文链接 →

「多模态」频道最新

• 普林斯顿 VideoGen-Agent：多任务智能体 RL 调工具，视频生成提 19 分 — princetonu · 2026-09-22
• Intel 为 Qwen-Image-2.1 提供首日 OpenVINO 优化支持 — Alibaba_Qwen · 2026-09-22
• Pexo 实测:对话式操作做出 30 秒 SpaceX 概念品牌大片 — SimplyAnnisa · 2026-09-22
• H3 Motion Context 节点实测翻车:片段开头闪烁、烧掉积分 — superdeathkillers · 2026-09-22
• 用 6 年前的 CLIP 做零标注图搜:2.5 万图检索小于 50ms — jason_mayes · 2026-09-22
• MiniMax H3 生成像素风伦敦漫游视频，风格化一致引热议 — Sufficient_Cause_43 · 2026-09-22

更多「多模态」频道 AI 资讯 →