混元-视频世界模型探索

课题背景： 当前视频生成模型虽能生成高保真画面，但在长视频生成中普遍缺乏对重力、碰撞、流体等物理规律的深度理解与时空记忆，导致长序列生成极易崩溃，偏离真实世界逻辑。 课题挑战：

1. 01

   物理规律融合：难以将复杂的物理交互、遮挡与运动补偿等真实世界规律无缝融入生成模型的潜在空间。

2. 02

   长程时序一致性和细粒度动作控制精度：如何通过海量数据配比有效提升并量化评估模型对时空一致性与因果链条的遵循度。 具体工作： 构建含复杂物理交互的增强型视频数据集；建立世界模型在物理规律与长序列一致性上的评测体系；探索新的模型范式。

.计算机/软件工程等相关专业硕士以上学历，拥有博士学位者优先；

2. 02

   熟悉计算机视觉、多模态领域的相关研究工作和算法，以第一作者身份发表顶会论文、顶级研究机构或一线互联网工作经验加分；

3. 03

   熟练使用Python、PyTorch和CUDA等语言及工具，具备快速阅读和复现论文的能力；

4. 04

   具备优秀的分析和解决问题能力，良好的团队合作精神及沟通意识。