論文の概要: A Plausible Future Is Not a Causal Future: Can Video Models Generate How the World Unfolds?

• arxiv url: http://arxiv.org/abs/2610.15562v1
• Date: Sun, 11 Oct 2026 12:10:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-19 17:58:05.627491
• Title: A Plausible Future Is Not a Causal Future: Can Video Models Generate How the World Unfolds?
• Title（参考訳）: 未来は未来? ビデオモデルで世界がどう広がるか?
• Abstract要約: Causal Cascadeは、50のイベントリッチなブレンダーシーンを中心としたシミュレーター付きベンチマークである。 相補的な動き, 事象, 対物レベルの診断を行う9つの画像対映像モデルについて検討した。
• 参考スコア（独自算出の注目度）: 5.206926758465492
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large-scale video generation models are increasingly viewed as a promising path toward world models, yet their ability to capture causally coherent physical dynamics remains poorly understood. Existing evaluations largely emphasize visual quality, prompt adherence, or broad physical plausibility, leaving open whether a model can faithfully realize a complete causal cascade, in which an initiating event propagates through causally dependent interactions to a terminal outcome. We introduce CausalCascade, a simulator-grounded benchmark centered on 50 event-rich Blender scenes with structured event graphs, graph-grounded diagnostic VQA, three levels of future-event specification, and 2,832 controlled counterfactual variants, and use it to evaluate nine image-to-video models with complementary motion-, event-, and counterfactual-level diagnostics. Across the evaluated models, generated motion is more reliably localized spatially than realized with correct spatiotemporal evolution, while richer future-event specification improves event recovery but leaves physical realization limited. Counterfactual evaluation further reveals weak selective responsiveness to physical interventions, while most audited failures are foundational, arising at scene consistency or event occurrence. Together, these results position causal cascade generation as a process-level test of world modeling and highlight the need to jointly recover the intended future, faithfully realize its physical evolution, selectively respond to physical interventions, and maintain a coherent physical world over time. Code and dataset are available at https://github.com/SJTU-DeepDeltaLab/CausalCascade .
• Abstract（参考訳）: 大規模ビデオ生成モデルは、世界モデルへの有望な道としてますます見なされているが、因果的コヒーレントな物理力学を捉える能力はいまだによく分かっていない。 既存の評価は、視覚的品質、即効性、または広範囲な物理的妥当性を強調し、モデルが完全な因果カスケードを忠実に実現できるかどうかをオープンにし、開始イベントが終末結果に因果的依存的な相互作用を通じて伝播する。 カウサルカスケード(CausalCascade)は、50のイベントリッチBlenderシーンを中心に、構造化イベントグラフ、グラフグラウンド診断VQA、3レベルの先物仕様、および2,832の制御された対物変種を用いて、補完的な動き、イベントレベル、および対物レベルの診断を伴う9つの画像-映像モデルの評価を行う。 評価モデル全体では、生成した動きは時空間の正しい進化によって実現されるよりも空間的に確実に局所化され、一方、よりリッチな未来の仕様は事象の回復を改善するが、物理的な実現は制限される。 カウンターファクト評価により、物理的介入に対する弱い選択的応答性が明らかになり、ほとんどの監査された失敗は基本的なもので、シーンの一貫性やイベントの発生に起因する。 これらの結果は、因果カスケード生成を世界モデリングのプロセスレベルテストとして位置づけ、意図した未来を共同で回復し、その物理的進化を忠実に認識し、物理的介入に選択的に反応し、時間とともに一貫性のある物理世界を維持する必要性を強調している。 コードとデータセットはhttps://github.com/SJTU-DeepDeltaLab/CausalCascadeで入手できる。

関連論文リスト

• DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
  DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。 合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
  論文  参考訳（メタデータ） (2026-08-19T03:44:28Z)
• GAUGE: A Measurement-Grounded Benchmark for Physical Fidelity in Simulation Engines and Video World Models [66.77745044586173]
  GAUGEは、数値シミュレータと生成ビデオワールドモデルがどのように現実の物理学から再現または逸脱するかを評価するための実世界の診断ベンチマークである。 一般化された軌道誤差を用いて14のタスクファミリー上でIsaac Sim,Genesis,Newtonをベンチマークし,5つの剛体タスクに対して6つのイメージ・ツー・ビデオモデルを評価する。 この結果から, 衝撃的接触, 高速繊維運動, 体積変形に起因する最大の相違点を有する一様忠実な物理エンジンは見つからなかった。
  論文  参考訳（メタデータ） (2026-08-06T12:19:38Z)
• A Physics-Grounded Benchmark for Multi-Agent Dynamics in World Models [96.64934195520802]
  我々は、世界モデルの物理的信頼性をストレステストするために設計された物理地上評価フレームワークであるCrashTwinを紹介する。 CrashTwinは、25K制御可能な合成12K実世界の衝突シーケンスを含む、多様なマルチエージェント衝突シナリオのデータセットを結合している。 本稿では,時間的一貫性,運動量,運動エネルギーの保存,世界力学の整合性という3つの次元を体系的に評価する診断スイートを提案する。
  論文  参考訳（メタデータ） (2026-06-27T06:13:35Z)
• Event-Conditioned Diagnostics of Kinematic, Contact, and Object-Permanence Fields in Passive Object-State World Models [6.556150313826966]
  受動オブジェクト状態世界モデルにおけるイベント条件付潜時物理構造について検討する。 隠れ表現がイベント登録情報をエンコードするかどうかをテストする。 その結果、イベントコンディショニングされた組織と、潜伏した物理的フィールドの固定水平機能感度が支援された。
  論文  参考訳（メタデータ） (2026-06-26T10:11:59Z)
• Trimming the Long-Tail of Visual World Modeling Evaluation [67.17191772079316]
  本論文では,不規則な物理的相互作用をシミュレートするために世界モデルに挑戦するベンチマークであるTailor-Benchを紹介する。 通常のシナリオは共通のツールとタスクのペアを反映し、従来型のツールを属性互換の代替品に置き換え、Impossibleシナリオは属性違反ツールを導入している。 実験結果から,物理世界モデリングの長期的ギャップは明らかであり,共通相互作用を超越した一般化の限界が示唆された。
  論文  参考訳（メタデータ） (2026-06-23T07:43:41Z)
• SurgVista: Long-Horizon Surgical World Modeling with Plausible Instrument-Tissue Dynamics [49.771521708359955]
  SurgVistaは、空間的相互作用の不整合と時間的忠実性の崩壊を緩和する外科的世界モデルである。 それは、視覚的品質、時間的一貫性、相互作用の忠実性にまたがる最先端の手法を一貫して上回ります。
  論文  参考訳（メタデータ） (2026-06-18T07:47:28Z)
• CRONOS: Benchmarking Counterfactual Physical Consistency in Video Models [25.976578205889776]
  CRONOSは、実際の物理的一貫性を評価するために設計された介入ベースのベンチマークである。 Unreal Engine環境で構築されたCRONOSは、さまざまなシーンやダイナミックスにわたる、制御された高忠実なビデオ生成を可能にする。
  論文  参考訳（メタデータ） (2026-05-22T14:51:22Z)
• PhyCo: Learning Controllable Physical Priors for Generative Motion [55.59209981836171]
  本稿では,ビデオ生成に連続的,解釈可能,物理的に接地された制御を導入するフレームワークであるPhyCoを紹介する。 i) 摩擦, 再構成, 変形, 力が様々なシナリオで体系的に変化する100K以上のフォトリアリスティック・シミュレーション・ビデオの大規模データセット, (ii) 物理制御された拡散モデルの微調整, (iii) VLM誘導報酬最適化, 微調整された視覚言語モデルにより、対象とする物理クエリを用いて生成されたビデオを評価し、異なるフィードバックを提供する。
  論文  参考訳（メタデータ） (2026-04-30T17:53:03Z)
• DeepVerse: 4D Autoregressive Video Generation as a World Model [16.877309608945566]
  DeepVerseは、4Dインタラクティブな新しい世界モデルであり、過去の時系列から幾何学的予測を現在の行動予測に明示的に取り入れている。 実験では、明示的な幾何学的制約を組み込むことで、DeepVerseはより豊かな時間的関係と基礎となる物理力学を捉えている。 この機能はドリフトを大幅に低減し、時間的一貫性を高め、モデルが確実に将来的なシーケンスを生成することを可能にする。
  論文  参考訳（メタデータ） (2025-06-01T17:58:36Z)
• Graph-based Normalizing Flow for Human Motion Generation and Reconstruction [20.454140530081183]
  過去の情報と制御信号に基づく長地平線運動系列を合成・再構築する確率生成モデルを提案する。 足踏み解析と骨長解析を併用したモーションキャプチャデータセットを用いたモデル評価を行った。
  論文  参考訳（メタデータ） (2021-04-07T09:51:15Z)

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。