WorldFlow联合视频与3D运动预测模型发布

研究人员Yuhao Lu等团队在arXiv发布论文，正式推出WorldFlow生成式世界模型。该模型采用Mixture-of-Transformers骨干网络，旨在实现未来视频与基于查询的3D轨迹的联合预测，突破了单一模态的限制。 模型训练基础扎实，使用了涵盖模拟与真实世界领域的144万个物体级异构样本进行预训练。这种大规模混合数据策略增强了模型在不同环境下的泛化能力，为后续评测提供了坚实的性能支撑。 在性能评测方面，WorldFlow在WorldFlowBench基准上取得了最低的ADE和FDE指标。特别是在SpatialCog评测集中，其ADE达到0.060米，相比最强外部基线降低了54.2%，显示出显著的准确性优势。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。