Research Brief / 10 Papers

知微 · 研究论文晨报

2026-11-17 · Asia/Shanghai · 5 篇精选 + 5 篇简报

多模态几何生成、长时序记忆与KV压缩、物理条件数据

有效发表/实质更新日期:2026-10-29 至 2026-11-12 · 近 7 天 3 篇 · 近 30 天 10 篇 · 日期未确定 0 篇

研究简报 05

简报 06

Learning-to-Memorize: Dynamic Context Management for Long-Horizon Autoregressive Video Generation

Zhu, Haowei; Wang, Qijie; Li, Jia; Wang, Xing; Zhao, Tianyu; Wang, Jiexi; Peng, Xurui; Wu, Xinglong; Yong, Junhai; Wan, Bin · arXiv 预印本
首发 2026-11-01 · 摘要核验

长时序动态记忆

学习历史帧的重要性,动态更新固定预算下的长期记忆。

可为历史保留策略提供可学习的对照。

贡献 学习历史帧的重要性,动态更新固定预算下的长期记忆。

方法 importance router结合退化感知训练和EMA重要性更新,让高质量新帧替换陈旧锚点;以蒸馏和稀疏正则训练。

结果 作者报告长视频质量与时序一致性优于固定滑窗/固定sink策略;本次依据摘要,不列未经核验的数值。

主页
代码
简报 07

Video-Coder: Reinforcing Agentic Coding for Video Generation

Wang, Chaoyang; Gao, Sicheng; Hu, Junan; Li, Kunyang; Chen, Dongyang; Zhou, Yiyang; Yao, Huaxiu; Lee, Yong Jae; Timofte, Radu; Shang, Yuzhang · arXiv 预印本
首发 2026-11-06 · 摘要核验

场景程序条件生成

训练可编写动态3D场景代码的视频生成代理。

代码渲染草稿可作为结构与运动条件。

贡献 训练可编写动态3D场景代码的视频生成代理。

方法 构建代码执行、3D渲染和反馈环境,以6K SFT及2K RL数据训练,并逐渐降低执行奖励、提高视频奖励的作用。

结果 摘要报告相对Minimax-H3在PhyGenBench约提高7分、VBench-2.0约提高24分。

简报 08

MotionCore: A Latent Neural Simulator for Video Generation with Rigid-Body Dynamics

Wang, Zheng; Gong, Zhengwei; Liang, Yuanzhi; Huang, Haibin; Zhang, Chi · arXiv 预印本
首发 2026-11-06 · 摘要核验

物理轨迹latent控制

用潜空间神经模拟器约束视频中的刚体轨迹。

将物理轨迹建模与外观生成分开。

贡献 用潜空间神经模拟器约束视频中的刚体轨迹。

方法 学习对象级物理状态演化,再转为对齐latent控制;用diffusion matching及低容量身份/位置可解码约束保留轨迹。

结果 摘要报告物理一致性和轨迹服从提高、视觉质量接近基线;不外推到非刚体情形。

主页
代码
简报 09

Hierarchical Incremental Beta Splatting for Online Reconstruction

Franke, Linus · arXiv 预印本
首发 2026-11-05 · 摘要核验

在线重建几何置信度

将有界beta核用于在线重建,以置信度控制几何软硬程度。

可借鉴几何不确定区域保持软表示的思路。

贡献 将有界beta核用于在线重建,以置信度控制几何软硬程度。

方法 用可观测性和多视图深度一致性初始化形状/透明度,按误差搬迁低效基元,并通过矩匹配维护LOD层级。

结果 Mip-NeRF360在线协议下,相对i3DGS最高提升0.8 dB PSNR,优化时间最高减少40%。

简报 10

Motion-guided Contrastive Regularization For Latent World Models

Chen, Yiwen; Hou, Qiqi; Jeong, Jisoo; Zhu, Yinhao; Jiang, Huaizu; Said, Amir · arXiv 预印本
首发 2026-11-04 · 摘要核验

运动表示对比学习

识别潜世界模型保留背景却丢失动作变化的“静态坍缩”。

可用于检验时序表示是否真正编码运动。

贡献 识别潜世界模型保留背景却丢失动作变化的“静态坍缩”。

方法 在同一episode内比较预测和候选latent转移,并用光流相似性形成软对比监督,降低背景身份捷径。

结果 随机背景OGBench-Cube规划成功率从52%升至78%,LIBERO-Object从14%升至54%;这是视觉控制任务结果。

主页
代码