Code World Model 2.0 发布:结构代理驱动无限可控视频生成

_akhaliq · x · 2026-11-19

论文《Code World Model 2.0: Towards Infinite Controllable Video Generation》(arXiv 2611.22925)在 HF 上公开了其背后的视频渲染器 Invoker-Render:输入结构代理(structural proxy)、参考图和文本提示即可生成视频——粗糙代理指定角色移动位置即可合成自然步态,精细代理则可指导单个肢体的动作。为实现流式生成,团队用 Progressive Forcing 将因果渲染器蒸馏到每 chunk 仅 4 步去噪,并在自身生成历史上训练以减少漂移;30 分钟连续赛车演示中,渲染器能跟随输入轨迹并保持车辆与场景视觉一致。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →