Buchumschlag

minWM: A Full-Stack Open-Source Framework for Real-Time Interactive Video World Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Min, Zhu, Hongzhou, Yan, Bokai, Zhou, Zihan, Chen, Yimin, Sun, Wenqiang, Zheng, Kaiwen, He, Guande, Yang, Xiao, Li, Chongxuan, Bao, Fan, Zhu, Jun
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Causal Forcing++: Scalable Few-Step Autoregressive Diffusion Distillation for Real-Time Interactive Video Generation
von: Zhao, Min, et al.
Veröffentlicht: (2026)

RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers
von: Zhao, Min, et al.
Veröffentlicht: (2025)

UltraViCo: Breaking Extrapolation Limits in Video Diffusion Transformers
von: Zhao, Min, et al.
Veröffentlicht: (2025)

Identifying and Solving Conditional Image Leakage in Image-to-Video Diffusion Model
von: Zhao, Min, et al.
Veröffentlicht: (2024)

Vidu: a Highly Consistent, Dynamic and Skilled Text-to-Video Generator with Diffusion Models
von: Bao, Fan, et al.
Veröffentlicht: (2024)

UltraImage: Rethinking Resolution Extrapolation in Image Diffusion Transformers
von: Zhao, Min, et al.
Veröffentlicht: (2025)

Consistency Diffusion Bridge Models
von: He, Guande, et al.
Veröffentlicht: (2024)

Elucidating the Preconditioning in Consistency Distillation
von: Zheng, Kaiwen, et al.
Veröffentlicht: (2025)

Diffusion Bridge Implicit Models
von: Zheng, Kaiwen, et al.
Veröffentlicht: (2024)

Schrodinger Bridges Beat Diffusion Models on Text-to-Speech Synthesis
von: Chen, Zehua, et al.
Veröffentlicht: (2023)

MineWorld: a Real-Time and Open-Source Interactive World Model on Minecraft
von: Guo, Junliang, et al.
Veröffentlicht: (2025)

Brain-WM: Brain Glioblastoma World Model
von: Wang, Chenhui, et al.
Veröffentlicht: (2026)

$τ_0$-WM: A Unified Video-Action World Model for Robotic Manipulation
von: Zhou, Pengfei, et al.
Veröffentlicht: (2026)

EgoExo-WM: Unlocking Exo Video for Ego World Models
von: Tran, Danny, et al.
Veröffentlicht: (2026)

Hi-WM: Human-in-the-World-Model for Scalable Robot Post-Training
von: Li, Yaxuan, et al.
Veröffentlicht: (2026)

DPM-Solver++: Fast Solver for Guided Sampling of Diffusion Probabilistic Models
von: Lu, Cheng, et al.
Veröffentlicht: (2022)

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

WorldPlay: Towards Long-Term Geometric Consistency for Real-Time Interactive World Modeling
von: Sun, Wenqiang, et al.
Veröffentlicht: (2025)

VideoSAM: Open-World Video Segmentation
von: Guo, Pinxue, et al.
Veröffentlicht: (2024)

iMoWM: Taming Interactive Multi-Modal World Model for Robotic Manipulation
von: Zhang, Chuanrui, et al.
Veröffentlicht: (2025)

ECG-WM: A Physiology-Informed ECG World Model for Clinical Intervention Simulation
von: Chen, Zhikang, et al.
Veröffentlicht: (2026)

FullStack Bench: Evaluating LLMs as Full Stack Coders
von: Bytedance-Seed-Foundation-Code-Team, et al.
Veröffentlicht: (2024)

Direct Discriminative Optimization: Your Likelihood-Based Visual Generative Model is Secretly a GAN Discriminator
von: Zheng, Kaiwen, et al.
Veröffentlicht: (2025)

MotionStream: Real-Time Video Generation with Interactive Motion Controls
von: Shin, Joonghyuk, et al.
Veröffentlicht: (2025)

SANA-WM: Efficient Minute-Scale World Modeling with Hybrid Linear Diffusion Transformer
von: Zhu, Haoyi, et al.
Veröffentlicht: (2026)

DDP-WM: Disentangled Dynamics Prediction for Efficient World Models
von: Yin, Shicheng, et al.
Veröffentlicht: (2026)

ResWM: Residual-Action World Model for Visual RL
von: Zhang, Jseen, et al.
Veröffentlicht: (2026)

Unifying Bayesian Flow Networks and Diffusion Models through Stochastic Differential Equations
von: Xue, Kaiwen, et al.
Veröffentlicht: (2024)

InSpatio-WorldFM: An Open-Source Real-Time Generative Frame Model
von: InSpatio Team, et al.
Veröffentlicht: (2026)

MicroDreamer: Efficient 3D Generation in $\sim$20 Seconds by Score-based Iterative Reconstruction
von: Chen, Luxi, et al.
Veröffentlicht: (2024)

OPENTOUCH: Bringing Full-Hand Touch to Real-World Interaction
von: Song, Yuxin Ray, et al.
Veröffentlicht: (2025)

VRAG: Learning World Models for Interactive Video Generation
von: Chen, Taiye, et al.
Veröffentlicht: (2025)

AdaWM: Adaptive World Model based Planning for Autonomous Driving
von: Wang, Hang, et al.
Veröffentlicht: (2025)

Generalizing End-To-End Autonomous Driving In Real-World Environments Using Zero-Shot LLMs
von: Dong, Zeyu, et al.
Veröffentlicht: (2024)

OpenDCVCs: A PyTorch Open Source Implementation and Performance Evaluation of the DCVC series Video Codecs
von: Zhang, Yichi, et al.
Veröffentlicht: (2025)

Open-Source Full-Duplex Conversational Datasets for Natural and Interactive Speech Synthesis
von: Zhou, Zhitong, et al.
Veröffentlicht: (2025)

Your Absorbing Discrete Diffusion Secretly Models the Conditional Distributions of Clean Data
von: Ou, Jingyang, et al.
Veröffentlicht: (2024)

Vision-based Manipulation from Single Human Video with Open-World Object Graphs
von: Zhu, Yifeng, et al.
Veröffentlicht: (2024)

Pose-Aware Diffusion for 3D Generation
von: Zhou, Zihan, et al.
Veröffentlicht: (2026)

H-WM: Robotic Task and Motion Planning Guided by Hierarchical World Model
von: Huang, Jinbang, et al.
Veröffentlicht: (2026)