arXiv · 机器人与计算机视觉· Zike Wu, Ahmed Hatem, Chintan Trivedi, Wallace Michel Pinto Lira, Xuebin Qin, Lele Wang, Renjie Liao·· 22 天前AI 评分74
BoxWorld:让世界引擎控制视频生成器
BoxWorld: Let World Engines Control and Video Generators Render
AI 导读
论文介绍 BoxWorld 框架,解决实时交互式视频世界中用户定义行为难以指定对象级规则的问题。该方法将交互推理与生成渲染分离,由代码代理构建世界引擎确定交互结果,再通过生成渲染器将状态流转化为视频。系统采用三阶段训练策略学习对象定位与状态转换,并在自生历史上进行蒸馏。作者提出了 PairedStateBench 基准用于评估细粒度交互控制能力。
来源:arXiv · 机器人与计算机视觉 · arxiv.org