从视频生成到世界模型：CVPR 2025 重磅教程来了！

一次跳跃、一场碰撞，是否只是像素的移动，还是蕴藏着因果、物理与交互的世界逻辑？

随着 AIGC 的飞速发展，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？

这些问题正是我们将在《From Video Generation to World Models – 从视频生成到世界模型》中深入探讨的核心议题。我们希望系统梳理这一技术路径：

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。

官网地址：https://world-model-tutorial.github.io/

顶尖讲者，重磅阵容集结

本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）

不只是生成，更是理解与交互

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。我们更关心的是：

●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。

生成只是起点，理解世界、构建智能，才是终局。

Video is just the start. World modeling is the goal.

最新信息详见官网：https://world-model-tutorial.github.io/