論文の概要: Waypoint-1.5: A Real-Time Video World Model for Consumer Hardware
- arxiv url: http://arxiv.org/abs/2609.37107v1
- Date: Tue, 29 Sep 2026 09:26:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.377989
- Title: Waypoint-1.5: A Real-Time Video World Model for Consumer Hardware
- Title（参考訳）: Waypoint-1.5:コンシューマー向けリアルタイムビデオワールドモデル
- Abstract要約: Waypoint 1.5は、コンシューマグレードのハードウェア上でのインタラクティブなビデオ生成のためのリアルタイム拡散世界モデルである。
Waypoint 1.5の背後にあるデータパイプライン、アーキテクチャ、トレーニング方法論、ランタイムシステムについて説明する。
- 参考スコア（独自算出の注目度）: 2.2855790792835204
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present Waypoint 1.5, a real-time diffusion world model for interactive video generation on consumer-grade hardware. Unlike general video diffusion models, interactive world models (iWMs) must respond to dense user controls under strict latency and throughput constraints. Waypoint 1.5 is pre-trained on 100,000 hours of diverse, control-aligned video game data across hundreds of games, and generates playable video conditioned on full keyboard and mouse input. The model includes two resolution variants that run across a wide spectrum of consumer hardware. To characterize this unique setting, we distinguish rendered FPS, latent FPS, and control rate. We describe the data pipeline, architecture, training methodology, and runtime system behind Waypoint 1.5. We evaluate interactivity through latency and throughput. Finally, we discuss the safety and ethics considerations unique to iWMs.
- Abstract（参考訳）: 本稿では,コンシューマグレードハードウェア上での対話型ビデオ生成のためのリアルタイム拡散世界モデルであるWaypoint 1.5を提案する。
一般的なビデオ拡散モデルとは異なり、インタラクティブワールドモデル(iWM)は、厳密なレイテンシとスループットの制約の下で、密集したユーザコントロールに応答する必要がある。
Waypoint 1.5は、数百のゲームにまたがる多種多様な制御されたビデオゲームデータ10万時間に事前トレーニングされ、フルキーボードとマウス入力でプレイ可能なビデオを生成する。
このモデルには、幅広いコンシューマーハードウェアで動作する2つの解像度のバリエーションが含まれている。
このユニークな設定を特徴付けるために、描画されたFPS、潜時FPS、制御率を区別する。
Waypoint 1.5の背後にあるデータパイプライン、アーキテクチャ、トレーニング方法論、ランタイムシステムについて説明する。
レイテンシとスループットによる対話性の評価を行う。
最後に,iWM特有の安全性と倫理的考察について論じる。
関連論文リスト
- PlayWorld: Benchmarking World Models with Agent Players over Long-Horizon Objectives [86.3073067035531]
ビデオワールドモデルは、現在の観察とユーザーアクションに基づいて、将来の状態をシミュレートする。
近年のシステムでは、長いシーケンス上での映像の一貫性とアクション制御性が顕著に示されている。
しかし、これらのインタラクティブモデルを比較することは依然として困難だ。
我々はマルチモーダル・エージェント・プレイヤーを用いて、特定の長距離目標に向けて世界モデルと対話する。
論文 参考訳（メタデータ） (2026-08-13T17:59:30Z) - ABot-World-0: Infinite Interactive World Rollout on a Single Desktop GPU [41.37131555577374]
ABot-World-0は、リアルタイムで長時間のクローズドループインタラクションのためのアクション条件付きビデオワールドモデルである。
WorldExplorerは、トレーニングフィードバックによってガイドされたエージェント駆動のコレクションを実行する。
統一パイプラインは、14の決定論的品質チェック、VLMベースのアセスメント、同期アクションとテキストアノテーションを適用している。
論文 参考訳（メタデータ） (2026-07-21T15:26:50Z) - Multiplayer Interactive World Models with Representation Autoencoders [28.451678067070777]
複雑な物理的相互作用によって制御される高度に動的な環境に対する最初のマルチプレイヤー世界モデルを導入する。
我々は,この問題をRocket Leagueのゲームで研究し,高速で密結合したダイナミックスの下でプレイヤーが競争し,協力する。
論文 参考訳（メタデータ） (2026-07-06T17:31:52Z) - minWM: A Full-Stack Open-Source Framework for Real-Time Interactive Video World Models [51.45338589543413]
minWMはリアルタイムインタラクティブなビデオワールドモデルを構築するためのフルスタックのオープンソースフレームワークである。
minWMは既存の双方向T2V/TI2Vビデオ基盤モデルをカメラ制御可能な数ステップの自己回帰世界モデルに変換する。
論文 参考訳（メタデータ） (2026-05-28T17:27:03Z) - MotionStream: Real-Time Video Generation with Interactive Motion Controls [60.403597895657505]
単一GPU上で最大29FPSのストリーミング生成が可能なサブ秒レイテンシを実現するMotionStreamを提案する。
提案手法は,グローバルなテキストプロンプトとローカルなモーションガイダンスに準拠する高品質なビデオを生成するが,リアルタイムでは推論を行わないモーションコントロールによるテキスト・ツー・ビデオモデルの拡張から始まる。
我々のモデルでは、動きの追従と映像の質を2桁高速化し、無限長のストリーミングを可能にする。
論文 参考訳（メタデータ） (2025-11-03T06:37:53Z) - Matrix-Game 2.0: An Open-Source, Real-Time, and Streaming Interactive World Model [15.16063778402193]
Matrix-Game 2.0はインタラクティブな世界モデルで、数ステップの自己回帰拡散を通じて長時間の動画をオンザフライで生成する。
超高速25FPSで、さまざまなシーンで高品質のミニレベルビデオを生成することができる。
論文 参考訳（メタデータ） (2025-08-18T15:28:53Z) - Yume: An Interactive World Generation Model [38.818537395166835]
Yumeは、画像やテキスト、ビデオを使って対話的でリアルでダイナミックな世界を作る。
入力画像から動的世界を生成し、キーボードアクションを使って世界を探索することができる。
論文 参考訳（メタデータ） (2025-07-23T17:57:09Z) - VideoMolmo: Spatio-Temporal Grounding Meets Pointing [66.19964563104385]
VideoMolmoは、ビデオシーケンスのきめ細かいポインティングに適したモデルだ。
新しい仮面融合はSAM2を双方向の点伝播に用いている。
The generalization of VideoMolmo, we introduced VPoMolS-temporal, a challenge out-of-distribution benchmark across two real-world scenarios。
論文 参考訳（メタデータ） (2025-06-05T17:59:29Z)
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。