论文页面 - 递归代码世界模型：通过递归场景程序构建复杂世界

来源：https://huggingface.co/papers/2609.11499

摘要

递归代码世界模型（RCWM）通过交替进行全局与局部重建并共享相机对齐，从单张图像递归构建可执行代码形式的复杂三维世界。

代码世界模型以可执行程序的形式表征世界，但仅凭这种表征并不足以构建复杂世界。我们提出递归代码世界模型（RCWM），这是一个从单张参考图像重建复杂三维世界的代码框架。RCWM将递归场景程序（RSP）表示与自身递归调用的构建求解器相结合。RSP以组合式场景代码表征可执行世界，而每次求解器调用遵循相同的完整流程：确立整体、递归重建未解决部分、重新审视整体以优化其组合。这种全局-局部-全局的递归过程为精细结构提供了独立的感知-编辑循环，同时保持了场景整体的几何结构与关系。参考对齐视图在不同层级间传播共享的相机投影，而父级重新审视则处理局部优化后出现的边界、空间关系与共享误差。视觉语言编码智能体直接将参考图像与场景渲染进行对比，以指导优化、递归下降与返回过程。在复杂场景中，RCWM超越了以往基于代码的图像到场景重建方法。消融研究进一步支持递归构建的优越性，并表明更深层次的调用能提升精细尺度的重建效果。RCWM为从视觉证据构建复杂可执行世界提供了递归构建原则。

查看arXiv页面 (https://arxiv.org/abs/2609.11499) 查看PDF (https://arxiv.org/pdf/2609.11499) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.11499)

通过智能体获取此论文：

hf papers read 2609.11499

没有最新CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

无模型关联此论文

在模型README.md中引用 arxiv.org/abs/2609.11499 以从本页面链接。

引用此论文的数据集0

无数据集关联此论文

在数据集README.md中引用 arxiv.org/abs/2609.11499 以从本页面链接。

引用此论文的Spaces0

无Space关联此论文

在Space README.md中引用 arxiv.org/abs/2609.11499 以从本页面链接。

包含此论文的收藏0

无收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 以从本页面链接。