机器之心报道 机器之心编辑部 刚刚，在美国田纳西州纳什维尔举办的 CVPR 2025 公布了最佳论文等奖项。 今年共有 14 篇论文入围最佳论文评选，最终 5 篇论文摘得奖项 ，包括 1 篇最佳论文 、 4 篇最佳论文荣誉提名 。此外，大会还颁发了 1 篇最佳学生论文 、 1 篇最 佳学生论文荣誉提名 。 根据会方统计，今年大会共收到 4 万多名作者提交的 13008 份论文。相比去年（11532），今年的投稿数量增长了 13%，最终有 2872 篇论文被接收，整体接收率 约为 22.1%。在接收论文中，Oral 的数量是 96（3.3%），Highlights 的数量是 387（13.7%）。 计算机视觉技术的火热给大会审稿带来了空前的压力。本届投稿作者数量、论文评审者和领域主席（AC）数量均创下新高。 今年前来现场参会的学者也超过 9000 人，他们来自 70 余个国家和地区。 CVPR 官方公布了各个细分领域的论文接收情况，如下图所示。可以看到，图像与视频生成领域今年度的论文接收数量最多，而接收率最高的领域则是基于多视角 和传感器的 3D 以及基于单图像的 3D。 此次，最佳论文奖委员会成员中有 AI ...

本文一作为肖泽琪， 本科毕业于浙江大学，现为南洋理工大学博士生， 研究方向是基于视频生成模型的世界生成和模拟，导师为潘新钢。个人主页： https://xizaoqu.github.io 近年来，基于视频生成模型的可交互世界生成引发了广泛关注。尽管现有方法在生成质量和交互能力上取得了显著进展，但由于上下文时间窗口受限，生成的世 界在长时序下严重缺乏一致性。 针对这一问题，南洋理工大学 S-Lab、北京大学与上海 AI Lab 的研究者提出了创新性的世界生成模型—— W orldM em ，通过引入记忆机制，实现了长时序一致 的世界生成。 WorldMem 在 Minecraft 数据集上进行了大规模训练，支持在多样化场景中自由探索和动态变化，并在真实数据集上验证了方法的可行性。 研究背景 世界生成模型在近期受到了广泛关注，如谷歌的 Genie 2 [1]、阿里的 The Matrix [2]、Meta 的 Navigation World Models [4] 等。这些方法在生成质量与交互性方面取 得了显著进展，但长时一致性问题仍未得到有效解决。 举例：当我们控制视角先向右转，再向左转。 在传统方法中，回看时 ...