Buchumschlag

VRAG: Learning World Models for Interactive Video Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chen, Taiye, Hu, Xun, Ding, Zihan, Jin, Chi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VRAG-RL: Empower Vision-Perception-Based RAG for Visually Rich Information Understanding via Iterative Reasoning with Reinforcement Learning
von: Wang, Qiuchen, et al.
Veröffentlicht: (2025)

SafeSora: Towards Safety Alignment of Text2Video Generation via a Human Preference Dataset
von: Dai, Josef, et al.
Veröffentlicht: (2024)

Rethinking Video Generation Model for the Embodied World
von: Deng, Yufan, et al.
Veröffentlicht: (2026)

WorldModelBench: Judging Video Generation Models As World Models
von: Li, Dacheng, et al.
Veröffentlicht: (2025)

Yume: An Interactive World Generation Model
von: Mao, Xiaofeng, et al.
Veröffentlicht: (2025)

GameGen-X: Interactive Open-world Game Video Generation
von: Che, Haoxuan, et al.
Veröffentlicht: (2024)

A Mechanistic View on Video Generation as World Models: State and Dynamics
von: Wang, Luozhou, et al.
Veröffentlicht: (2026)

World Models for Learning Dexterous Hand-Object Interactions from Human Videos
von: Goswami, Raktim Gautam, et al.
Veröffentlicht: (2025)

iWorld-Bench: A Benchmark for Interactive World Models with a Unified Action Generation Framework
von: Fang, Jianjie, et al.
Veröffentlicht: (2026)

Pre-Trained Video Generative Models as World Simulators
von: He, Haoran, et al.
Veröffentlicht: (2025)

Out of Sight but Not Out of Mind: Hybrid Memory for Dynamic Video World Models
von: Chen, Kaijin, et al.
Veröffentlicht: (2026)

Yan: Foundational Interactive Video Generation
von: Ye, Deheng, et al.
Veröffentlicht: (2025)

Latent Video Prediction Learns Better World Models
von: Alrasheed, Ali J, et al.
Veröffentlicht: (2026)

RISE-Video: Can Video Generators Decode Implicit World Rules?
von: Liu, Mingxin, et al.
Veröffentlicht: (2026)

ViSAudio: End-to-End Video-Driven Binaural Spatial Audio Generation
von: Zhang, Mengchen, et al.
Veröffentlicht: (2025)

ContactGaussian-WM: Learning Physics-Grounded World Model from Videos
von: Wang, Meizhong, et al.
Veröffentlicht: (2026)

Category Query Learning for Human-Object Interaction Classification
von: Xie, Chi, et al.
Veröffentlicht: (2023)

Mind the Generative Details: Direct Localized Detail Preference Optimization for Video Diffusion Models
von: Huang, Zitong, et al.
Veröffentlicht: (2026)

FlowAct-R1: Towards Interactive Humanoid Video Generation
von: Wang, Lizhen, et al.
Veröffentlicht: (2026)

PAN: A World Model for General, Interactable, and Long-Horizon World Simulation
von: PAN Team, et al.
Veröffentlicht: (2025)

Recurrent Autoregressive Diffusion: Global Memory Meets Local Attention
von: Chen, Taiye, et al.
Veröffentlicht: (2025)

Conditional Video Generation for High-Efficiency Video Compression
von: Yi, Fangqiu, et al.
Veröffentlicht: (2025)

WorldReel: 4D Video Generation with Consistent Geometry and Motion Modeling
von: Fang, Shaoheng, et al.
Veröffentlicht: (2025)

ShareVerse: Multi-Agent Consistent Video Generation for Shared World Modeling
von: Zhu, Jiayi, et al.
Veröffentlicht: (2026)

Interpreting Physics in Video World Models
von: Joseph, Sonia, et al.
Veröffentlicht: (2026)

Universal Visuo-Tactile Video Understanding for Embodied Interaction
von: Xie, Yifan, et al.
Veröffentlicht: (2025)

PanoWorld: Geometry-Consistent Panoramic Video World Modeling
von: Jiang, Le, et al.
Veröffentlicht: (2026)

Learning to Generate Rigid Body Interactions with Video Diffusion Models
von: Romero, David, et al.
Veröffentlicht: (2025)

E-VRAG: Enhancing Long Video Understanding with Resource-Efficient Retrieval Augmented Generation
von: Xu, Zeyu, et al.
Veröffentlicht: (2025)

Pandora: Towards General World Model with Natural Language Actions and Video States
von: Xiang, Jiannan, et al.
Veröffentlicht: (2024)

How Far is Video Generation from World Model: A Physical Law Perspective
von: Kang, Bingyi, et al.
Veröffentlicht: (2024)

PolyVivid: Vivid Multi-Subject Video Generation with Cross-Modal Interaction and Enhancement
von: Hu, Teng, et al.
Veröffentlicht: (2025)

STANCE: Motion Coherent Video Generation Via Sparse-to-Dense Anchored Encoding
von: Chen, Zhifei, et al.
Veröffentlicht: (2025)

WorldGPT: A Sora-Inspired Video AI Agent as Rich World Models from Text and Image Inputs
von: Yang, Deshun, et al.
Veröffentlicht: (2024)

Thinking Ahead: Foresight Intelligence in MLLMs and World Models
von: Gong, Zhantao, et al.
Veröffentlicht: (2025)

Matrix-Game: Interactive World Foundation Model
von: Zhang, Yifan, et al.
Veröffentlicht: (2025)

Force Prompting: Video Generation Models Can Learn and Generalize Physics-based Control Signals
von: Gillman, Nate, et al.
Veröffentlicht: (2025)

EgoSim: Egocentric World Simulator for Embodied Interaction Generation
von: Hao, Jinkun, et al.
Veröffentlicht: (2026)

Video-Bench: Human-Aligned Video Generation Benchmark
von: Han, Hui, et al.
Veröffentlicht: (2025)

VideoCAD: A Dataset and Model for Learning Long-Horizon 3D CAD UI Interactions from Video
von: Man, Brandon, et al.
Veröffentlicht: (2025)