arXiv recent-list补漏 + project · P2 · 2026-06-11

Prisma-World：它和通用视觉自监督的关系在于：多 agent 共享场景的一致性问题与多视角视觉 latent/几何对齐相关，但更偏可控生成系统

中相关；详见方法、贡献和实验边界。

Prisma-World: Camera-Controllable Multi-Agent Video World Model　arXiv recent-list补漏 + project　原文链接

编号2606.09507 优先级P2 类别arXiv recent-list补漏 + project 会议arXiv recent-list补漏 + project 方法多 agent 共享场景的一致性问题与多视角视觉 latent/几何对齐相关，但更偏可控生成系统来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：多 agent 共享场景的一致性问题与多视角视觉 latent/几何对齐相关，但更偏可控生成系统。中相关；详见方法、贡献和实验边界。

**Figureure 2 · : Method overview**Figure 2: Method overview. Prisma-World generates multi-agent videos within a single joint denoising process. Our MA-RoPE keeps frames at the same time step aligned across agents while distinguishing tokens from different agents. The minimap branch provides local spatial guidance by projecting each agent position onto a top-down minimap and injecting the extracted layout feature into the corresponding agent tokens.这张图概括 Prisma-World 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

**Figureure 3 · : Qualitative comparison**Figure 3: Qualitative comparison. Compared to other baselines, our model can synthesize highquality multi-agent videos with precise camera control while preserving multi-view consistency.这张图/表用于判断 Prisma-World 的实验收益来自哪里。重点看替换、消融或跨模型设置下趋势是否一致，而不是只看单个最高分。

核心问题

它和通用视觉自监督的关系在于：多 agent 共享场景的一致性问题与多视角视觉 latent/几何对齐相关，但更偏可控生成系统。

方法拆解

多 agent 共享场景的一致性问题与多视角视觉 latent/几何对齐相关，但更偏可控生成系统

主要贡献

中相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。