发布 TouchéWorld 手部交互世界模型框架论文

TouchéWorld 是一个将手势交互集成到相机控制视频世界模型的框架，给定初始图像和场景描述提示词，模型根据时间对齐的相机与手部控制生成视频。该方法基于预训练的相机控制世界模型，结合手部骨架条件与数值手部运动特征进行参数高效适配，并通过因果适配和少步蒸馏支持块级在线生成。团队还构建了相机-手部联合训练数据并推出 TouchéBench，评测手部运动跟随、相机-手部协调与在线交互等能力。