CVPR 2025 Tutorial：从视频生成到世界模型

图像生成已经 " 卷 " 入日常，视频生成也不再是最初的 " 抖动幻影 "，而是跃升为能够讲故事、控制动作、进行较长时推理的高质量动态内容。

可灵、Sora、Genie、Cosmos、Movie Gen 等一系列模型的突破正在不断拓宽视频生成的边界，研究者们开始重新关注更深层次的问题：

视频生成是否能成为通往世界模型的桥梁？

它是否具备成为可执行、可交互、可推理的智能中枢？

它是否正在走向支撑具身智能（Embodied Intelligence）的核心能力？

这些问题将在CVPR 2025 Tutorial《From Video Generation to World Models – 从视频生成到世界模型》中深入探讨。

如何将视频生成作为强大的视觉先验，赋能 AI 感知世界、理解交互、推理物理，从而迈向更通用、更具具身智能能力的世界模型。

本 Tutorial（教程）汇聚来自学术界与产业界的一线研究者：

他们将在生成建模、3D 理解、强化学习与物理推理等方向展开分享，探讨如何将生成能力转化为感知、预测与决策的智能基座。

日程安排一览（CVPR 2025 ｜6 月 11 日）

△注：均为美国纳什维尔当地时间 UTC-5

视频生成技术本身，已经初步展现出对时空一致性、视觉因果链的建模能力。更值得关注的是：它是否能被用来理解物体之间的交互？是否能捕捉人类行为背后的物理与语义因果？是否具备从 " 生成 " 走向 " 交互式世界模型（Interactive World Model）" 的潜力？

可灵、Sora、Genie、Cosmos、Movie Gen 等模型的发展已提供初步答案：视频生成可以不仅仅是输出，更是通向感知 - 建模 - 推理 - 决策一体化世界模型的入口。

如果你正在关注视频生成与多模态理解；Embodied AI、机器人与交互智能；用生成式模型进行世界建模与物理推理

那么，这场教程将为你提供思路、工具与未来研究的方向感。

教程组织团队

时间：2025 年 6 月 11 日

地点：美国 Music City Center, Nashville TN

欢迎大家现场参与，一起探讨：如何以视频生成为基石，迈向理解、交互与建模真实世界的下一代智能系统。

官网地址：

https://world-model-tutorial.github.io/  

资料地址：

https://github.com/ziqihuangg/Awesome-From-Video-Generation-to-World-Model

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

点亮星标

科技前沿进展每日见