World-T3：测试时训练记忆实现实时相机控制视频世界模型

World-T3 论文在 arXiv 发布，提出一种相机控制的视频世界模型，将历史观测持续整合到专用模型参数中，通过递归最小二乘和基于相机位姿的在线更新读取场景记忆。 基于论文摘要，该方法在长时回访基准上将回访PSNR从13.52提升至18.31 dB，绝对旋转误差从3.344降至1.075（相对两项指标上的最强基线）；并经双教师分布匹配蒸馏为少步生成器后，在单张NVIDIA B200 GPU上以1280×704分辨率维持20.6 FPS。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。