論文の概要: ConsistWorld: Evidence Routing for Consistent Multi-Agent World Models
- arxiv url: http://arxiv.org/abs/2609.22641v1
- Date: Fri, 18 Sep 2026 23:31:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:00.510179
- Title: ConsistWorld: Evidence Routing for Consistent Multi-Agent World Models
- Title（参考訳）: ConsistWorld: Evidence Routing for Consistent Multi-Agent World Models
- Abstract要約: 本稿では,1つの共有画像から静的シーンのカメラ制御ビデオストリームを生成するマルチエージェントワールドモデルであるConsistWorldを提案する。
我々は、コミットされたマルチエージェント履歴からのルーティングエビデンスとして一貫性を定式化し、生成されたトークンに対するピアビューを同時に生成する。
証拠共有事例,ビデオ長,エージェント番号の一般化実験により,コンシストワールドは,競争力のある生成品質を維持しつつ,強いクロスタイムとクロスエージェントの整合性を達成することが示された。
- 参考スコア（独自算出の注目度）: 23.667723444409834
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autoregressive video world models enable temporally coherent generation for a single observer. Extending them to multiple agents requires consistency across independently controlled views and temporal gaps under causal streaming. We present ConsistWorld, a multi-agent world model that generates camera-controlled video streams of a static scene from one shared image. We formulate consistency as routing evidence from committed multi-agent history and concurrently generated peer views to the tokens being generated. Pose Conditioned Memory Retrieval selects relevant historical observations from all agents, recovering evidence beyond the recent context window. Visibility-Gated Peer Sharing regulates current peer information according to estimated historical coverage and current-view overlap. Together, they determine which historical observations enter the context and where concurrent peer information contributes, supporting long-term recall and coordinated exploration. Both mechanisms use camera geometry and maintain a bounded active context for a fixed agent count and retrieval budget. Experiments on evidence sharing cases and video length and agent number generalizations show that ConsistWorld achieves a strong cross-time and cross-agent consistency while preserving competitive generation quality.
- Abstract（参考訳）: 自己回帰型ビデオワールドモデルは、単一のオブザーバに対して時間的にコヒーレントな生成を可能にする。
それらを複数のエージェントに拡張するには、独立に制御されたビューと因果ストリーミングの下での時間的ギャップをまたいだ一貫性が必要である。
本稿では,1つの共有画像から静的シーンのカメラ制御ビデオストリームを生成するマルチエージェントワールドモデルであるConsistWorldを提案する。
我々は、コミットされたマルチエージェント履歴からのルーティングエビデンスとして一貫性を定式化し、生成されたトークンに対するピアビューを同時に生成する。
Pose Conditioned Memory Retrievalは、すべてのエージェントから関連する履歴観測を選択し、最近のコンテキストウィンドウを越えて証拠を回収する。
Visibility-Gated Peer Sharingは、推定された過去のカバレッジと現在のビューオーバーラップに応じて、現在のピア情報を規制する。
同時に、どの歴史的観測がコンテキストに入り、どのピア情報がコントリビュートするかを判断し、長期のリコールと協調的な探索を支援する。
どちらのメカニズムもカメラ幾何学を使用し、固定されたエージェントカウントと検索予算のための境界付きアクティブコンテキストを維持する。
証拠共有事例,ビデオ長,エージェント番号の一般化実験により,コンシストワールドは,競争力のある生成品質を維持しつつ,強いクロスタイムとクロスエージェントの整合性を達成することが示された。
関連論文リスト
- World in World: Explore the World with World Models [5.1244963637555285]
我々は、不均一な制御証拠をクリーンな視覚状態に変換するトレーニング不要な推論時間インターフェースであるWorld in Worldを提示する。
我々は、様々な視点の変化の下で、カメラ制御されたビデオリレンダリングによるワールド・イン・ワールドの評価を行った。
論文 参考訳（メタデータ） (2026-09-10T13:42:26Z) - Population-Scalable Multi-Agent World Modeling [27.087757709788974]
Khoraはスケーラブルなマルチエージェントの世界モデルであり、再トレーニングせずに任意の数のエージェントへの推論時間拡張をサポートする。
我々のフレームワークは、視覚的レンダリングから世界状態の進化を分離し、他のエージェント情報を組み込むための集団に依存しないレンダリング機構を導入する。
論文 参考訳（メタデータ） (2026-08-09T09:26:15Z) - Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers [50.3000377325823]
We present WorldWeaver, a streaming multi-agent video diffusion model that a rollout with cross-agent world state registers。
これらのレジスタには、個々のエージェントの状態、鳥眼ビューを含むグローバルステートビュー、シーンテキストの監視信号が配置されている。
2エージェントのMinecraftビデオ生成の実験では、明示的な世界状態モデリングが論理的一貫性と生成品質を向上させることが示されている。
論文 参考訳（メタデータ） (2026-07-23T17:59:58Z) - Closed-Loop Triplet Synergistic Generation for Long-Form Video [61.88597038104749]
CoSyTriGenは、クローズドループビジュアル-テキスト-メモリのシナジープロセスとしてマルチショット長ビデオ生成を定式化するエージェントフレームワークである。
この三重項に対して視覚言語モデルに基づくアナライザが原因となり、2つの経路に沿ってプロンプトとメモリの両方を更新する。
StoryBenchベンチマークの実験では、代表法よりもクロスショット一貫性、即効性、撮影連続性を大幅に改善した。
論文 参考訳（メタデータ） (2026-06-15T03:56:43Z) - Prisma-World: Camera-Controllable Multi-Agent Video World Model [67.72842238020192]
カメラ制御可能なマルチエージェントワールドモデルであるPrisma-Worldを紹介する。
マルチエージェント生成を、クロスビュー整合性のためのジョイントジオメトリア・アウェア・デノナイジングプロセスとして定式化する。
実験により, フレキシブルエージェント数を持つ高忠実度マルチエージェント映像を, 1つのPrisma-Worldモデルで生成できることが確認された。
論文 参考訳（メタデータ） (2026-06-08T13:59:50Z) - ViMax: Agentic Video Generation [55.546794487716646]
ロングフォームビデオ生成には、体系的な物語計画と視覚的一貫性が必要である。
我々のフレームワークは、グローバルなストーリーコヒーレンスのための検索強化世代を備えた階層的な物語エンジンを採用している。
VLM誘導エージェントは、物語のコヒーレンスと視覚的忠実さの両方を継続的に監視し、洗練する。
論文 参考訳（メタデータ） (2026-06-02T12:55:41Z) - Gamma-World: Generative Multi-Agent World Modeling Beyond Two Players [87.87842088508553]
対話型シミュレーションのための生成的マルチエージェント世界モデルを提案する。
本モデルでは,映像の忠実度,アクション制御性,およびスロットベースおよび高密度アテンションベースライン上でのエージェント間整合性を改善する。
論文 参考訳（メタデータ） (2026-05-27T17:59:31Z) - CoAgent: Collaborative Planning and Consistency Agent for Coherent Video Generation [9.91271343855315]
CoAgentは、コヒーレントなビデオ生成のためのフレームワークで、プラン合成の検証パイプラインとしてプロセスを定式化している。
Storyboard Plannerは、入力を明示的な実体、空間的関係、時間的手がかりで構造化されたショットレベルのプランに分解する。
Global Context Managerは、エンティティレベルのメモリを維持して、ショット間の外観とアイデンティティの整合性を維持する。
ペーシング対応エディタは、所望の物語の流れに合わせて時間リズムと遷移を洗練する。
論文 参考訳（メタデータ） (2025-12-27T09:38:34Z) - Local-Global Associative Frame Assemble in Video Re-ID [57.7470971197962]
ビデオ列から自動生成されたオブジェクト境界ボックスにおける雑音および非表現フレームは、ビデオ再識別(Re-ID)における識別表現の学習に困難をもたらす
既存の手法の多くは、局所的な部分アライメントまたはグローバルな外観相関によって、ビデオフレームの重要性を個別に評価することで、この問題に対処している。
本研究では,局所的なアライメントとグローバルな相関関係を共同で検討し,相互の促進・強化について考察する。
論文 参考訳（メタデータ） (2021-10-22T19:07:39Z)
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。