概率模型

现有视频世界模型生成像素级未来帧，计算成本高且未显式建模运动分布。GARFIELD 提出一种结构化时空潜变量方法，利用稀疏目标条件实现高效轨迹采样与确定性密度解码。实验表明，该方法在开放集运动规划中实现 SOTA 性能，并显著降低延迟。注意：行人轨迹预测在零样本设置下落后于专用模型。