lpwm

用潜在粒子建模视频世界,预测未来更精准

开源 🏷️完全免费 ✅ 目前可打开 视频生成 🍴 复刻 9 👀 关注 1
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 146
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目,MIT许可证,提供官方网页展示,无付费版本,完全免费。

项目预览

lpwm 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类视频生成
开发团队taldatech
定价模式🏷️完全免费
价格说明开源项目,MIT许可证,提供官方网页展示,无付费版本,完全免费。
访问状态✅ 目前可打开
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型keypoints,object-centric,object-centric-learning,pytorch,self-supervised,vae,video-generation,video-prediction,world-model
GitHub 星标★ 146
上线时间2026-02-25 00:00:00
代码更新2026-03-19
仓库体积13.5 MB
本站数据更新2026-11-07
维护状态低维护
收录时间2026-08-09
浏览次数5

项目介绍

lpwm(Latent Particle World Models)是一个面向视频生成与预测的物体中心世界模型,由ICLR 2026 Oral论文官方开源。它旨在解决传统视频预测模型难以捕捉物体间相互作用和长期动态的问题,通过将视频帧分解为潜在粒子(keypoints)来学习物体为中心的表示,并基于这些粒子进行未来帧的生成。核心能力包括:自监督学习物体关键点、构建可解释的物体状态空间、支持视频预测与生成任务。项目基于PyTorch实现,提供完整的训练与推理代码,适合研究物体中心学习、世界模型和视频生成的研究者使用。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 146

核心亮点

  • ICLR 2026 Oral论文官方实现,算法创新性强
  • 物体中心表示可解释,便于分析模型内部机制
  • 支持自监督学习,无需额外标注即可训练

不足之处

  • 项目处于早期阶段,文档和社区支持待观察
  • 依赖Jupyter Notebook,工程化部署可能不便

适用场景

  • 视频预测与未来帧生成研究
  • 物体中心学习与可解释AI探索
  • 自监督视频表示学习实验

替代项目

VideoGPT、DVD-GAN、Object-Centric Video Prediction (OCVP)

上一篇:nano-world-model

下一篇:RLVR-World

同类项目推荐

SimPO 开源

去掉参考模型,用更简单的公式让模型更懂人类偏好

[NeurIPS 2024] SimPO: Simple Preference Optimization with a Reference-Free Reward

★ 964 2026-08-09
brevitas 开源

PyTorch 模型一键量化,低比特也能高精度跑上 FPGA

Brevitas: neural network quantization in PyTorch

★ 1593 2026-10-17
meta-context-engineering 开源

让AI自动进化上下文策略,告别手写提示词

[ICML 2026] Meta Context Engineering via Agentic Skill Evolution

★ 184 2026-08-09
diffusion-DDIM-pytorch 开源

快速上手 DDIM,用更少步数生成高质量图像

This is a pytorch implementation of Denoising Diffusion Implicit Models

★ 137 2026-08-09
shortened-llm 开源

压缩LLM,推理提速,显存减半,生成依旧流畅。

Compressed LLMs for Efficient Text Generation [ICLR'24 Workshop]

★ 91 2026-08-09
alignment-handbook 开源

一键复现主流 LLM 对齐实验,从 SFT 到 DPO 全流程开箱即用。

Robust recipes to align language models with human and AI preferences

★ 5711 2026-08-09
AdaptiveDiffusion 开源

不重训直接加速扩散模型,生成更快更省算力

[NeurIPS'24] Training-Free Adaptive Diffusion with Bounded Difference Approximation ···

★ 74 2026-08-09