牛津等高校发布 Oneira：用世界状态表让视频世界模型记住你的改动
jiqizhixin · x · 2026-10-20
牛津大学、蒙纳士大学与布里斯托大学团队发布交互式视频世界模型 Oneira（ArXiv 2610.01614）。
- 问题：现有视频世界模型虽能导航和简单交互，但常操作错误对象；镜头移开再回来时，用户的改动会消失——因为世界状态只存在于生成帧和上下文中，没有被单独记录。
- 方案：Oneira 引入由 Coding Agent 维护的 World State Table，记录每个对象及其状态。引擎根据输入图像和目标读取状态表规划动作，渲染为粗糙条件视频，再由视频生成模型生成片段；交互体现为对象状态变化（移除、变色等），被移动的对象在静止后从生成帧重新注册。
- 效果：无论是输入图像中已有的对象还是镜头移动中新生成的对象，都能被精确修改，且改动状态在整个视频后续内容中持久保留。
配图展示了完整管线：coding agent 规划动作（如“拿起左下角的苹果”）、状态表随 chunk 更新、视频模型按条件帧生成片段的闭环流程。
「多模态」频道最新
- 10 分钟做出「太阳消失」科幻短片:开源 AI 工作流全公开 — w1kke · 2026-10-20
- 免费 FLUX LoRA 把谷歌地图截图变成逼真无人机航拍画面 — anthara_ai · 2026-10-20
- Seedance 2.5 动画生成实测：AI 动画水平再上台阶 — anthara_ai · 2026-10-20
- TischEins 免费放出两期 Midjourney 视觉志:附提示词与 SREF 代码 — tisch_eins · 2026-10-20
- AI 生成视频逼真到难辨真假,Reddit 用户直呼后背发凉 — Otherwise_Beyond9481 · 2026-10-20
- Kromoss 模型今日更新，作者建议替换昨日版本 — mikemend · 2026-10-20