Tag · 2 篇
视频预测
01 02
PHANTOM：联合建模视觉与潜物理动力学的物理注入式视频生成
PHANTOM: Physics-Infused Video Generation via Joint Modeling of Visual and Latent Physical Dynamics
把物理状态的潜变量推断直接嵌入视频生成的条件路径，为做视频生成的人提供了一种无需显式物理参数、可端到端训练的物理一致性约束方式，可直接迁移到世界模型与可控视频预测任务。
一帧只需一个词元：用 Delta 词元进行高效生成式世界建模
A Frame is Worth One Token: Efficient Generative World Modeling with Delta Tokens
把相邻帧的 VFM 特征差压缩成单个连续 delta 词元，将视频从三维时空表示降为一维时序序列，这一分词思路可直接复用于视频预测、特征空间生成建模与高效多假设采样。