論文の概要: WorldMemBench: A Comprehensive Benchmark for Memory of Video World Models

• arxiv url: http://arxiv.org/abs/2610.19063v1
• Date: Tue, 13 Oct 2026 18:59:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.765313
• Title: WorldMemBench: A Comprehensive Benchmark for Memory of Video World Models
• Title（参考訳）: WorldMemBench: ビデオワールドモデルの総合的なベンチマーク
• Abstract要約: WorldMemBenchは、ビデオワールドモデルで世界記憶を評価するためのベンチマークである。 人間のアイデンティティと外観、オブジェクトの外観と幾何学、環境内容と幾何学の保持を通じて静的記憶を評価する。 外観と幾何学のメトリクスをイベント固有の評価と組み合わせ、ビデオの品質とカメラ追跡の精度を報告する。
• 参考スコア（独自算出の注目度）: 90.8083571564046
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As video models enable longer and more realistic interactive experiences, maintaining a world consistent with its history becomes essential. This requires both preserving previously observed content and ensuring coherent world evolution over time. World memory is a critical capability to evaluate alongside visual fidelity and video duration. We introduce WorldMemBench, a benchmark for systematically evaluating world memory in video world models. Across 260 test cases, it assesses static memory through the retention of human identity and appearance, object appearance and geometry, and environmental content and geometry, and dynamic memory through event progression and state persistence. Using controlled camera departures and multi-revisit trajectories, the benchmark evaluates static content against fixed initial references and dynamic events against expected state transitions. It combines appearance and geometry metrics with event-specific assessments, and reports video quality and camera-following accuracy as complementary diagnostics. Evaluation of nine representative models shows that strong static retention does not imply reliable dynamic state evolution, while repeated revisits reveal memory degradation beyond the first return. Human studies support the alignment between our automatic evaluations and human judgments. WorldMemBench provides a systematic testbed for diagnosing memory failures and guiding the development of persistent, temporally coherent video worlds.
• Abstract（参考訳）: ビデオモデルはより長く、よりリアルなインタラクティブな体験を可能にするため、その歴史と整合した世界を維持することが不可欠である。 これは、以前に観察された内容を保存することと、時間とともに一貫性のある世界進化を保証することの両方を必要とする。 世界記憶は、視覚的忠実度やビデオの持続時間とともに評価する重要な能力である。 我々は,ビデオワールドモデルにおいて,ワールドメモリを体系的に評価するためのベンチマークであるWorldMemBenchを紹介する。 260回のテストケースで、人間のアイデンティティと外観、オブジェクトの外観と幾何学、環境内容と幾何学、イベント進行と状態持続による動的メモリの保持を通じて静的メモリを評価する。 制御されたカメラ離脱とマルチリビジョントラジェクトリを使用して、ベンチマークは、固定された初期参照と期待状態遷移に対する動的イベントに対する静的コンテンツを評価する。 外観と幾何学のメトリクスをイベント固有の評価と組み合わせ、ビデオの品質とカメラ追跡の精度を相補的な診断として報告する。 9つの代表的なモデルの評価では、強い静的保持は動的状態の進化を確実なものとしないが、繰り返し再検討すると、第1のリターンを超えるメモリ劣化が明らかになる。 人間研究は、我々の自動評価と人間の判断の整合性を支持する。 WorldMemBenchは、メモリ障害を診断し、永続的で時間的に一貫性のあるビデオワールドの開発を導くための体系的なテストベッドを提供する。

関連論文リスト

• MemoBench: Benchmarking World Modeling in Dynamically Changing Environments [72.23517478870605]
  MemoBenchは動的に変化する環境において、消失・再出現するパラダイムを中心に構築された診断ベンチマークである。 合成シーンと実世界のシーンにまたがる360度地上トラスクリップをキュレートし,VQAに基づく評価と自動メトリクスを組み合わせた評価スイートを設計する。
  論文  参考訳（メタデータ） (2026-06-25T20:37:39Z)
• MBench: A Comprehensive Benchmark on Memory Capability for Video World Models [36.71271805993198]
  ビデオワールドモデルのメモリ能力の定量化と評価を目的としたベンチマークである textbfMBench を提案する。 我々のベンチマークは、厳密にキュレートされた実写長ビデオに基づいて構築され、ルールベースの量行列とVLMにより評価される。
  論文  参考訳（メタデータ） (2026-05-30T16:17:33Z)
• Out of Sight but Not Out of Mind: Hybrid Memory for Dynamic Video World Models [56.44348799741838]
  静的な背景の正確なアーキビストと動的対象の警戒トラッカーを同時に行うためにモデルを必要とする新しいパラダイムであるHybrid Memoryを導入する。 HM-Worldは、ハイブリッドメモリに特化した最初の大規模ビデオデータセットである。 また,メモリをトークンに圧縮し,時間的関連性に基づく検索機構を利用する専用メモリアーキテクチャHyDRAを提案する。
  論文  参考訳（メタデータ） (2026-03-26T17:56:01Z)
• WORLDMEM: Long-term Consistent World Simulation with Memory [20.450750381415965]
  WorldMemは、メモリフレームとステートを格納するメモリユニットで構成されるメモリバンクでシーン生成を強化するフレームワークである。 本手法は,重要な視点や時間的ギャップの下でも,事前に観察されたシーンを正確に再構成することができる。
  論文  参考訳（メタデータ） (2025-04-16T17:59:30Z)

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。