arXiv · Computer Vision· Peng Xie, Amr Alanwar·2026-10-07 12:00· 3 小时前AI 评分42

视频世界模型对隐藏物体保留了什么：追踪不等于永久存在

Tracking Is Not Permanence: What Video World Models Keep of a Hidden Object

AI 导读

研究以冻结的 V-JEPA 2 预测器隐藏物体，比较其预测与编码器表征：静止物体仅部分保留，被容器携带的物体完全不保留，移动物体在 0.3 秒内丢失（V-JEPA 自身 tube mask 下 0.5 秒，ViT-H 在 90% 掩码率下保留至 1.1 秒）。