跳到正文
arXiv · 机器人与计算机视觉· Peng Xie, Amr Alanwar·· 2026-10-07精选AI 评分82

追踪并非永恒:视频世界模型对隐藏物体的保留机制研究

Tracking Is Not Permanence: What Video World Models Keep of a Hidden Object

AI 导读

论文研究了视频世界模型在无法直接观测物体时的信息保持能力。实验发现冻结的 V-JEPA 2 预测器仅能部分保留静止物体,无法保留容器内移动物体,且移动物体痕迹在 0.3 秒内消失;而编码器本身可解码封闭容器内容达 3.5 秒。

推荐理由

该文通过冻结 V-JEPA 2 预测器与编码器表征对比,揭示了视频世界模型对隐藏物体的保持能力差异及训练引入先验的可行性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org