综述论文：以世界建模视角统一视频理解与生成
一篇发表于 Hugging Face 每日论文的综述，提出用世界建模统一视角梳理视频基础模型与视频世界模型研究。论文将文献组织为读取、写入、共享、交互四类操作，并指出研究重心正从片段级识别和感知保真度转向持久状态、可控演化与物理因果有效性。适合关注视频生成与世界模型方向的研究者。
要点速览
- 01提出用世界建模统一视角梳理视频理解与生成文献
- 02将视频视为潜在时间世界的部分、有损、时序有序投影
- 03组织框架包含读（推断世界属性）、写（合成视频）、共享（统一机制）、交互（动作下预测更新）四类操作
- 04指出研究重心从片段级识别和感知保真度转向持久状态、可控演化与物理因果有效性
- 05总结了基于交互和下游决策的评测等开放挑战
原文来自 Hugging Face 每日论文，版权归原作者所有。中文标题和摘要由 AI 根据原文自动生成，可能有误，请以原文为准。