论文提出 Physical Registry:为视频世界模型构建显式内部预测状态
预印本摘要称,研究者提出 Physical Registry 机制,在视频 DiT 内部引入与视频 token 共同演化且受未来表征监督的时空注册槽,使预测动态成为显式、可读的内部状态。
业务关注点:预印本提出在视频扩散模型内部引入显式物理注册槽,为生成过程赋予可读的预测状态,展示了低参数增量提升物理一致性的路径。
关注客户投资、竞争格局与现场技术落地。首版覆盖港口、机场、物流园区、矿山、无人驾驶与机器人、运营智能、新能源。
公开来源持续更新,同一事件归并阅读。计划、试点与实际部署分别表述;重要判断请回到原文核对。
预印本摘要称,研究者提出 Physical Registry 机制,在视频 DiT 内部引入与视频 token 共同演化且受未来表征监督的时空注册槽,使预测动态成为显式、可读的内部状态。
业务关注点:预印本提出在视频扩散模型内部引入显式物理注册槽,为生成过程赋予可读的预测状态,展示了低参数增量提升物理一致性的路径。
预印本摘要显示,研究者提出相机受控视频世界模型 World-T3,通过测试时训练将历史视觉特征写入专用模型参数,解决长时域生成中的空间记忆衰减问题。模型采用递归最小二乘规则按相机位姿在线更新与读取记忆,实现与生成时长无关的恒定存储和单步计算,并通过双教师分布匹配蒸馏为少步生成器。
业务关注点:预印本提出通过测试时训练构建恒定开销的持久记忆机制,为长时域视频世界模型在交互场景下的空间一致性提供了实现思路。