TouchéWorld 提出相机与手部统一控制的视频世界模型

研究团队发布 TouchéWorld，一个把由手势驱动的交互并入相机控制视频世界模型的框架：输入初始图像和场景描述提示词，输出以时间对齐的相机与手部控制为条件的视频。 为训练该框架，团队从异构第一人称视频中通过标注补全、一致性过滤和时间对齐构建联合相机-手部数据，并用参数高效适配结合手部骨架空间条件与数值手部运动特征。团队同时提出 TouchéBench，用于评估手部运动跟随、相机-手部协调、在线交互和物体响应。

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。