HF Daily Papers·· 5 天前精选AI 评分52
World-in-Context：基于上下文条件化的交互式视频世界建模
World-in-Context: Interactive Video World Modeling with In-Context Conditioning
AI 导读
World-in-Context 提出上下文条件化（ICC）框架，用共享自注意力中的显式 token 统一视角、动作和相机控制。World-in-Context-5B 在 WBench 上取得 81.5 的导航表现，接近 22B EchoWM 的 81.6；视角切换成功率达 93.8%，高于现有 5B 基线的 18.8%。
推荐理由
论文用显式 token 统一视角、动作与相机控制，并在 WBench 对比 5B 与 22B 方案的导航和视角切换表现。
来源：HF Daily Papers · huggingface.co