論文の概要: R2M-Bench: Evaluating Revisit Memory via Relative Consistency in Interactive Video World Models

• arxiv url: http://arxiv.org/abs/2608.27328v1
• Date: Thu, 27 Aug 2026 16:26:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.485017
• Title: R2M-Bench: Evaluating Revisit Memory via Relative Consistency in Interactive Video World Models
• Title（参考訳）: R2M-Bench:インタラクティブビデオワールドモデルにおける相対一貫性による再検討メモリの評価
• Abstract要約: 観測可能な再表示選択一貫性のベンチマークであるemphR2M-Bench(textbfRelative textbfRevisit textbfMemory Benchmark)を紹介する。 検出されたリターン毎に、R2M-Benchはリビジットペアと同一ロールアウトからの2つのコントロールを比較する。 DreamX-World-Memoは、評価されたビデオモデルの中で最高レベルのNMRを達成する。
• 参考スコア（独自算出の注目度）: 33.45286583017751
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High similarity between first-visit and return frames does not necessarily show that a video world model remembered the scene; the intervening rollout may simply have changed very little. This ambiguity makes absolute revisit scores sensitive to rendering stability, repetitive content, and failed motion. We introduce \emph{R2M-Bench} (\textbf{R}elative \textbf{R}evisit \textbf{M}emory Benchmark), a benchmark of observable revisit-selective consistency. For every detected return, R2M-Bench compares the revisit pair with two controls from the same rollout: a gap-matched non-revisit pair that measures generic temporal stability and a short-range pair that estimates short-horizon consistency. These comparisons produce \emph{MemoryGain} (MG), the revisit advantage over the temporal baseline, and the \emph{Normalized Memory Ratio} (NMR), which normalizes this advantage by the short-to-baseline dynamic range. R2M-Bench combines 100 reference scenes with three leave-and-return trajectories to form 300 instances and evaluates appearance fidelity, scene and object identity, local geometry, and persistent state. Across seven action-conditioned video world models, Overall NMR correlates with human consistency judgments at Spearman's $ρ=0.547$ (95\% CI $[0.45,0.63]$). Its within-model correlation magnitude with generated motion is $0.072$, compared with $0.207$ for raw revisit similarity, indicating that relative calibration substantially reduces the slow-motion shortcut. DreamX-World-Memo achieves the highest Overall NMR among the evaluated video models. Together, these results support same-rollout relative calibration as a practical way to distinguish revisit-specific consistency from generic temporal stability.
• Abstract（参考訳）: ファーストビジットとリターンフレームの高い類似性は、必ずしもビデオワールドモデルがシーンを記憶していることを示さない。 この曖昧さは、絶対再考スコアをレンダリングの安定性、繰り返しの内容、動作の失敗に敏感にする。 観測可能な再帰的一貫性のベンチマークである \emph{R2M-Bench} (\textbf{R}elative \textbf{R}evisit \textbf{M}emory Benchmark) を導入する。 検出されたリターンごとに、R2M-Benchはリビジット対と、同じロールアウトからの2つのコントロールを比較する: 一般的な時間的安定性を測定するギャップマッチング非リビジット対と、短水平一貫性を推定する短距離対である。 これらの比較は、時間的ベースラインに対する再帰的優位性である \emph{MemoryGain} (MG) と、短ベースラインのダイナミックレンジによってこの利点を正規化する \emph{Normalized Memory Ratio} (NMR) を生成する。 R2M-Benchは、100の参照シーンと3つのレザー・アンド・リターン・トラジェクトリを組み合わせて300のインスタンスを形成し、外観の忠実さ、シーンとオブジェクトの同一性、局所幾何学、永続状態を評価する。 7つのアクション条件付きビデオワールドモデル全体で、NMRはSpearmanの$ρ=0.547$(95\% CI $[0.45,0.63]$)の人間の一貫性判定と相関する。 生成した動きとモデル内相関のマグニチュードは0.072ドルであり、生のリビジット類似性では0.207ドルであり、相対的なキャリブレーションがスローモーションショートカットを大幅に減少させることを示している。 DreamX-World-Memoは、評価されたビデオモデルの中で最高レベルのNMRを達成する。 これらの結果は、再検討固有の一貫性と一般的な時間的安定性を区別する実用的な方法として、同一ロールアウト相対キャリブレーションをサポートする。

関連論文リスト

• TimeLens2: Generalist Video Temporal Grounding with Multimodal LLMs [36.2604844032041]
  ビデオマルチモーダル大言語モデル(MLLM)は、ビデオ内で何が起こるかを記述することができるが、支持された証拠がいつ発生したかを特定することは滅多にない。 本研究では,ビデオの長さ,領域,クエリフォーム,視点をまたいだエビデンス間隔の変動心電図を1つのモデルで予測する一般的なビデオ時間的グラウンドについて検討する。 TimeLens2は、時間的エビデンスを、監督と最適化を通じて設定されたインターバルとして扱う。
  論文  参考訳（メタデータ） (2026-07-19T22:04:33Z)
• WorldRoamBench: An Open-World Benchmark for Long-Horizon Stability of Interactive World Models [37.59051701511746]
  4次元にわたる長期安定のためのオープンワールドベンチマークであるWorldRoamBenchを紹介する。 このベンチマークは、WASD 10-60sの連続的なインタラクションで、Nature、Urban、Indoorの各シーンで600以上のテストケースで構成されている。
  論文  参考訳（メタデータ） (2026-06-30T13:51:44Z)
• Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games [69.57330692969543]
  RNG-Benchは、過去の観測を再構築するベースモデルの能力を分離するために設計されたベンチマークスイートである。 RNG-Benchには2つの補完ゲームがある: マッチングペア(英語版) - 特定の場所でカードのIDを短期間明らかにする) と、エゴセントリックなビューを空間地図に統合する3D Maze である。 最も難しい構成では、約128Kのトークンと350のイメージ入力のコンテキストが必要であり、フロンティアMLLMによる飽和には程遠いままである。
  論文  参考訳（メタデータ） (2026-06-17T17:59:34Z)
• SC3-Eval: Evaluating Robot Foundation Models via Self-Consistent Video Generation [73.2142090645987]
  SC3-Evalは、事前訓練されたビデオ基盤モデルを正確なポリシー評価器に適合させる自己一貫性のあるビデオ生成レシピである。 SC3-Evalロールアウトは、実世界のロールアウトでポリシーが示す障害モードを再現し、詳細な診断比較をサポートする。
  論文  参考訳（メタデータ） (2026-06-17T02:15:46Z)
• Recovering Physical Dynamics from Discrete Observations via Intrinsic Differential Consistency [12.266189649117003]
  我々は地域の監督をグローバルな構造的制約に置き換える。 この特性からの偏差が2つの目的に作用する時間条件のセカント速度場を訓練する。 トレーニング正則化器として、時間スケールで一貫して構成されるフローに仮説空間を限定する。
  論文  参考訳（メタデータ） (2026-05-08T20:24:32Z)
• LoGeR: Long-Context Geometric Reconstruction with Hybrid Memory [97.14005794889134]
  提案するLoGeRは,高密度な3次元再構成を,後最適化なしで極めて長いシーケンスに拡張する新しいアーキテクチャである。 LoGeRはビデオストリームをチャンクで処理し、高忠実度なチャンク内推論に強力な双方向の事前処理を活用する。 このメモリアーキテクチャにより、LoGeRは128フレームのシーケンスでトレーニングでき、推論中に数千フレームまで一般化できる。
  論文  参考訳（メタデータ） (2026-03-03T18:55:37Z)
• From Global to Granular: Revealing IQA Model Performance via Correlation Surface [83.65597122328133]
  我々は, IQA 性能の構造化, きめ細かな解析を行う textbfGranularity-Modulated correlation (GMC) を提案する。 GMCにはtextbfDistribution Regulatorが含まれており、相関関係を規則化し、非均一な品質分布からのバイアスを軽減する。 標準ベンチマークの実験では、GCCはスカラーメトリクスに見えないパフォーマンス特性を示し、IQAモデルを分析、比較、デプロイするためのより情報に富んだ信頼性の高いパラダイムを提供する。
  論文  参考訳（メタデータ） (2026-01-29T13:55:26Z)
• Classifying Inconsistency in AHP Pairwise Comparison Matrices Using Machine Learning [0.0]
  本研究では,三進選好逆転(PR)を利用して,一貫性のより堅牢で解釈可能な評価を行う新しい方法を提案する。 PR法は97%の精度を達成し、CR法(Consistency Ratio, Consistency Ratio)の50%をはるかに上回り、偽陰性率は5.5%に比べてわずか2.6%である。
  論文  参考訳（メタデータ） (2025-05-07T14:17:39Z)
• Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model [63.336123527432136]
  我々は,リアクティブ閉ループ評価を可能にする生成フレームワークであるBench2Drive-Rを紹介する。 既存の自動運転用ビデオ生成モデルとは異なり、提案された設計はインタラクティブなシミュレーションに適したものである。 我々は、Bench2Drive-Rの生成品質を既存の生成モデルと比較し、最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-12-11T06:35:18Z)
• MixSTE: Seq2seq Mixed Spatio-Temporal Encoder for 3D Human Pose Estimation in Video [75.23812405203778]
  近年, 学習時間相関のため, 全フレームのボディジョイントを世界規模で考慮し, 2次元キーポイントシーケンスから3次元人間のポーズを推定する手法が提案されている。 本研究では,各関節の時間的動きを別々にモデル化する時間的変圧器ブロックと,関節間空間相関を有する変圧器ブロックを有するミキシングミキシングを提案する。 さらに、ネットワーク出力は、中央フレームから入力ビデオの全フレームに拡張され、入力と出力のベンチマーク間のコヒーレンスが改善される。
  論文  参考訳（メタデータ） (2022-03-02T04:20:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。