Buchumschlag

InfinityDrive: Breaking Time Limits in Driving World Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Xi, Ding, Chenjing, Dou, Haoxuan, Zhang, Xin, Tang, Weixuan, Wu, Wei
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Physical Informed Driving World Model
von: Yang, Zhuoran, et al.
Veröffentlicht: (2024)

DriveScape: Towards High-Resolution Controllable Multi-View Driving Video Generation
von: Wu, Wei, et al.
Veröffentlicht: (2024)

InstaDrive: Instance-Aware Driving World Models for Realistic and Consistent Video Generation
von: Yang, Zhuoran, et al.
Veröffentlicht: (2026)

MyGo: Consistent and Controllable Multi-View Driving Video Generation with Camera Control
von: Yao, Yining, et al.
Veröffentlicht: (2024)

SGC-VQGAN: Towards Complex Scene Representation via Semantic Guided Clustering Codebook
von: Ding, Chenjing, et al.
Veröffentlicht: (2024)

CVD-STORM: Cross-View Video Diffusion with Spatial-Temporal Reconstruction Model for Autonomous Driving
von: Zhang, Tianrui, et al.
Veröffentlicht: (2025)

DrivingWorld: Constructing World Model for Autonomous Driving via Video GPT
von: Hu, Xiaotao, et al.
Veröffentlicht: (2024)

Epona: Autoregressive Diffusion World Model for Autonomous Driving
von: Zhang, Kaiwen, et al.
Veröffentlicht: (2025)

HorizonDrive: Self-Corrective Autoregressive World Model for Long-horizon Driving Simulation
von: Zhang, Conglang, et al.
Veröffentlicht: (2026)

UniDrive-WM: Unified Understanding, Planning and Generation World Model For Autonomous Driving
von: Xiong, Zhexiao, et al.
Veröffentlicht: (2026)

DriveWorld: 4D Pre-trained Scene Understanding via World Models for Autonomous Driving
von: Min, Chen, et al.
Veröffentlicht: (2024)

ConsisDrive: Identity-Preserving Driving World Models for Video Generation by Instance Mask
von: Yang, Zhuoran, et al.
Veröffentlicht: (2026)

DrivingGPT: Unifying Driving World Modeling and Planning with Multi-modal Autoregressive Transformers
von: Chen, Yuntao, et al.
Veröffentlicht: (2024)

DriveX: Omni Scene Modeling for Learning Generalizable World Knowledge in Autonomous Driving
von: Shi, Chen, et al.
Veröffentlicht: (2025)

World4Drive: End-to-End Autonomous Driving via Intention-aware Physical Latent World Model
von: Zheng, Yupeng, et al.
Veröffentlicht: (2025)

DriveFuture: Future-Aware Latent World Models for Autonomous Driving
von: Hong, Yufeng, et al.
Veröffentlicht: (2026)

Dream to Drive with Predictive Individual World Model
von: Gao, Yinfeng, et al.
Veröffentlicht: (2025)

Cosmos-Drive-Dreams: Scalable Synthetic Driving Data Generation with World Foundation Models
von: Ren, Xuanchi, et al.
Veröffentlicht: (2025)

The Role of World Models in Shaping Autonomous Driving: A Comprehensive Survey
von: Tu, Sifan, et al.
Veröffentlicht: (2025)

MaskGWM: A Generalizable Driving World Model with Video Mask Reconstruction
von: Ni, Jingcheng, et al.
Veröffentlicht: (2025)

OmniNWM: Omniscient Driving Navigation World Models
von: Li, Bohan, et al.
Veröffentlicht: (2025)

InsightDrive: Insight Scene Representation for End-to-End Autonomous Driving
von: Song, Ruiqi, et al.
Veröffentlicht: (2025)

DriveWAM: Video Generative Priors Enable Scalable World-Action Modeling for Autonomous Driving
von: Shi, Chen, et al.
Veröffentlicht: (2026)

HERMES: A Unified Self-Driving World Model for Simultaneous 3D Scene Understanding and Generation
von: Zhou, Xin, et al.
Veröffentlicht: (2025)

DHGS: Decoupled Hybrid Gaussian Splatting for Driving Scene
von: Shi, Xi, et al.
Veröffentlicht: (2024)

DriveDreamer-2: LLM-Enhanced World Models for Diverse Driving Video Generation
von: Zhao, Guosheng, et al.
Veröffentlicht: (2024)

UniDriveDreamer: A Single-Stage Multimodal World Model for Autonomous Driving
von: Zhao, Guosheng, et al.
Veröffentlicht: (2026)

EponaV2: Driving World Model with Comprehensive Future Reasoning
von: Xu, Jiawei, et al.
Veröffentlicht: (2026)

DriveMamba: Task-Centric Scalable State Space Model for Efficient End-to-End Autonomous Driving
von: Su, Haisheng, et al.
Veröffentlicht: (2026)

OccLLaMA: An Occupancy-Language-Action Generative World Model for Autonomous Driving
von: Wei, Julong, et al.
Veröffentlicht: (2024)

GeoDrive: 3D Geometry-Informed Driving World Model with Precise Action Control
von: Chen, Anthony, et al.
Veröffentlicht: (2025)

DriveDreamer4D: World Models Are Effective Data Machines for 4D Driving Scene Representation
von: Zhao, Guosheng, et al.
Veröffentlicht: (2024)

Xiaomi Auto World Model: A Joint World Model Integrating Reconstruction and Generation for Autonomous Driving
von: Zhou, Lijun, et al.
Veröffentlicht: (2026)

ExploreVLA: Dense World Modeling and Exploration for End-to-End Autonomous Driving
von: Sheng, Zihao, et al.
Veröffentlicht: (2026)

Driving in the Occupancy World: Vision-Centric 4D Occupancy Forecasting and Planning via World Models for Autonomous Driving
von: Yang, Yu, et al.
Veröffentlicht: (2024)

ResWorld: Temporal Residual World Model for End-to-End Autonomous Driving
von: Zhang, Jinqing, et al.
Veröffentlicht: (2026)

Composing Driving Worlds through Disentangled Control for Adversarial Scenario Generation
von: Zhan, Yifan, et al.
Veröffentlicht: (2026)

Learning to Drive from a World Model
von: Goff, Mitchell, et al.
Veröffentlicht: (2025)

DriveVLA-W0: World Models Amplify Data Scaling Law in Autonomous Driving
von: Li, Yingyan, et al.
Veröffentlicht: (2025)

UniFuture: A 4D Driving World Model for Future Generation and Perception
von: Liang, Dingkang, et al.
Veröffentlicht: (2025)