論文の概要: UniWorld: A Unified World Model for Real-Time Visual World Simulation

• arxiv url: http://arxiv.org/abs/2610.32381v3
• Date: Wed, 28 Oct 2026 08:47:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-30 22:39:27.481117
• Title: UniWorld: A Unified World Model for Real-Time Visual World Simulation
• Title（参考訳）: UniWorld:リアルタイムビジュアルワールドシミュレーションのための統一ワールドモデル
• Abstract要約: We present the UniWorld, a unified framework that integrates depth trajectories and reference appearance into a shared video generation model。 所定のサンプリングノイズレベルにおいて、ノイズ整列重畳継続場所が履歴を生成し、新たに生成された潜伏者のみをコミットする。 ローリング深度遅延状態は対応する幾何制御を保持し、新たに利用可能な幾何を漸進的に読み出し、各サンプリングウィンドウ内で条件を固定する。
• 参考スコア（独自算出の注目度）: 51.447523446152324
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Continuous visual world simulation requires coupling evolving scene geometry with temporally persistent appearance. We present UniWorld, a unified framework that integrates depth trajectories and reference appearance within a shared video generation model. The central design maintains visual and geometric histories on a common timeline. Noise-aligned overlapping continuation places generated history at the prescribed sampling noise level and commits only newly generated latents. Rolling depth latent state preserves the corresponding geometric controls, incrementally reads newly available geometry, and keeps the conditioning fixed within each sampling window. Together, these mechanisms ensure exact preservation of latent history while bounding the active depth state by the window size. We evaluate continuous generation, paired history interventions, and long-horizon behavior across diverse scene categories. The same generator supports estimated, native, and on-demand simulator depth, while cached and incremental execution paths produce bitwise-identical outputs. Appearance changes and geometric control branches operate through the same interface without modifying committed history. The measured steady-state DiT execution path achieves real-time generation throughput, demonstrating the efficiency of UniWorld for continuous visual world simulation. Project page: https://zephipage.github.io/UniWorld.
• Abstract（参考訳）: 連続的な視覚世界シミュレーションは、時間的に永続的な外観と進化するシーン幾何学を結合する必要がある。 We present the UniWorld, a unified framework that integrates depth trajectories and reference appearance into a shared video generation model。 中心的なデザインは、共通のタイムラインで視覚的および幾何学的な歴史を維持している。 所定のサンプリングノイズレベルにおいて、ノイズ整列重畳継続場所が履歴を生成し、新たに生成された潜伏者のみをコミットする。 ローリング深度遅延状態は対応する幾何制御を保持し、新たに利用可能な幾何を漸進的に読み出し、各サンプリングウィンドウ内で条件を固定する。 これらのメカニズムは、ウィンドウサイズによって活動深度状態を拘束しながら、潜伏履歴の正確な保存を保証する。 様々な場面にまたがる連続的生成, 組合わせ歴史介入, 長期水平行動を評価した。 同じジェネレータは推定、ネイティブ、オンデマンドのシミュレータの深さをサポートし、キャッシュされた実行パスとインクリメンタルな実行パスはビット単位の出力を生成する。 外観変化と幾何学的制御ブランチは、コミット履歴を変更することなく、同じインターフェースを介して動作する。 測定された定常DiT実行経路は、連続的な視覚世界シミュレーションのためのUniWorldの効率を実証し、リアルタイムな生成スループットを達成する。 プロジェクトページ: https://zephipage.github.io/UniWorld.com

関連論文リスト

• GeoVerse: World-Consistent Novel View Synthesis in Geometric Latent Space [51.75763755769632]
  事前訓練された3次元基礎モデル内で生成を行うことにより,世界一貫性のある新規ビューを合成するフレームワークであるGeoVerseを提案する。 具体的には、GeoVerseはWan2.2 VACEからマルチレベル機能を抽出し、制御ネットスタイルのアダプタを介して幾何学的潜在拡散モデルに注入する。 多様なデータセットにわたる実験では、DL3DVでは2.23dB、Mip-NeRF360では32.4%、視品質と幾何整合性が向上した。
  論文  参考訳（メタデータ） (2026-09-28T17:51:48Z)
• HelloWorld: Towards Practical Applications of Generative Driving World Models [51.60209642972941]
  HelloWorldは、これらの要件に基づいて設計された2B駆動の世界モデルシステムである。 HelloWorldは、異種ビデオデータから制御可能な駆動生成まで、幅広い視覚的およびモーション的先行を専門としている。 システムは、7カメラのRGB生成と条件付きLiDAR合成をサポートする。
  論文  参考訳（メタデータ） (2026-09-24T02:28:50Z)
• Matrix-Game 3.5: Enhancing Real-Time Streaming Interactive World Models with Patch Memory [28.887112448832525]
  本稿では,3つの重要な改良点を通じて,リアルタイム対話型ワールドジェネレーションを推し進めるMatrix-Game 3.5を紹介する。 まず、パッチメモリとタイル付きPRoPEコンポーネントが追加で学習可能なパラメータを導入しない統合幾何対応メモリフレームワークを提案する。 第2に、静的なシーン幾何学と動的主題を別々にモデル化した静的な非交叉世界表現を導入する。 第3に、双方向拡散モデルから数ステップの因果生成器に変換する2段階進行リアルタイム蒸留フレームワークを開発する。
  論文  参考訳（メタデータ） (2026-08-30T17:11:00Z)
• WorldDirector: Building Controllable World Simulators with Persistent Dynamic Memory [106.28234880163723]
  WorldDirectorは、高度に制御可能なビデオワールドモデルフレームワークである。 我々のフレームワークは、視覚生成から意味的な動きのオーケストレーションを明示的に分離する。 長時間の視界外から再突入しても,動的実体の正確な視覚的アイデンティティを保たせることができた。
  論文  参考訳（メタデータ） (2026-07-02T17:59:59Z)
• RAYNOVA: Scale-Temporal Autoregressive World Modeling in Ray Space [51.441415833480505]
  RAYNOVAは、二重因果自己回帰フレームワークを使用するシナリオを駆動するための多視点世界モデルである。 相対的なシャーカー線位置符号化に基づいて、ビュー、フレーム、スケールにまたがる等方的時間的表現を構築する。
  論文  参考訳（メタデータ） (2026-02-24T08:41:40Z)
• DSG-World: Learning a 3D Gaussian World Model from Dual State Videos [14.213608866611784]
  本稿では,Dual Stateの観測から3次元ガウス世界モデルを明示的に構築する,新しいエンドツーエンドフレームワークDSG-Worldを提案する。 提案手法は、二分割対応ガウス場を構築し、双方向の測光および意味的整合性を実現する。
  論文  参考訳（メタデータ） (2025-06-05T16:33:32Z)

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。