Hugging Face · 每日论文· 媒体 / 作者来源·精选
综述：以世界建模统一视角审视视频理解与生成
原文标题
Reading, Writing, Sharing, and Interacting with the World through Video
AI 导读
这篇综述把视频基础模型与世界模型放在同一框架下考察：把观测视频视为潜在时序世界的部分、有损且按时间排列的投影，并用读、写、共享、交互四类操作组织文献。作者区分观测或生成序列的时序连贯性与底层世界状态的一致性，梳理研究重点从片段级识别和感知保真度转向持久状态、可控演化、物理与因果有效性。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
用世界建模统一框架系统性梳理视频理解与生成文献，并提出读/写/共享/交互四类操作与持久状态等评测方向，为视频世界模型研究提供可复用的分类视角。
导读由模型辅助整理，非独立核验。完整信息见原文。