论文页面 - 可交互世界的精确编辑与灵活引用

来源：https://huggingface.co/papers/2609.34470

摘要

我们提出EditWorld，一个用于可交互世界精确编辑与灵活引用的视频世界模型。现有视频世界模型主要集中于导航功能，允许用户探索生成的世界，但对如何修改现有世界内容提供的控制能力有限。EditWorld通过在自回归生成过程中流式传输编辑指令和参考图像，将世界建模从探索扩展到精确修改。为支持这些能力，EditWorld引入了门控因果注意力机制来处理随时间变化的编辑条件和参考图像，同时采用稀疏上下文机制以维持有限的历史上下文进行长程推理。我们进一步采用了结合自回归与双向训练的策略，配合退火自重采样，并构建了专门的数据合成与标注流程，为世界编辑提供监督信号。我们还提出了WBench-Editing基准，用于系统性评估流式世界编辑能力。EditWorld在WBench-Editing上取得最佳整体表现，总分73.8，编辑得分80.0，在编辑相关指标上显著优于现有方法。https://github.com/leoisufa/EditWorld

查看arXiv页面 (https://arxiv.org/abs/2609.34470) 查看PDF (https://arxiv.org/pdf/2609.34470) GitHub4 (https://github.com/leoisufa/EditWorld) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.34470)

获取论文到您的智能体中：

hf papers read 2609.34470

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

引用此论文的模型 0

无模型链接此论文

在模型的README.md中引用 arxiv.org/abs/2609.34470 以从此页面链接。

引用此论文的数据集 0

无数据集链接此论文

在数据集的README.md中引用 arxiv.org/abs/2609.34470 以从此页面链接。

引用此论文的Spaces 0

无Space链接此论文

在Space的README.md中引用 arxiv.org/abs/2609.34470 以从此页面链接。

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) 以从此页面链接。