Tag · 2 篇
Physical Object Understanding with a Physically Controllable World Model
把视频世界模型当作可查询的概率推断器：通过对未来状态采样并分析运动相关性来无监督地分割出物体及其可动部件，为视觉研究者提供了一条不依赖标注的物体发现与3D操控思路。
Generative Point Tracking and Forecasting
把点跟踪与运动预测统一为视频条件下的因果流匹配生成问题，通过切换视觉信号在跟踪与预测间切换，为长时点轨迹建模提供了可复用的生成式框架。