SymRegFlow：对称正则化流匹配的视频世界模型

基于流匹配的多视角世界模型可生成逼真视频，但常受限于固定相机阵列；扩展到连续变化的相机位姿需要带稠密位姿覆盖的位姿-视频配对观测，获取成本高。我们提出SymRegFlow——对称正则化的流匹配框架，在无真值新视角RGB监督下生成跨连续视点多视角一致的视频：对每个目标位姿，SymRegFlow把源视图几何变形为噪声锚，结合掩码双锚监督与跨锚去噪输出一致性以缓解锚特定误差。在仿射高斯替代下我们证明：适当的一致性正则化在固定噪声水平恢复干净参照最优，严格优于单锚与合并锚基线。Cosmos-Drive-Dreams与nuScenes实验展示高质量多视角一致的自动驾驶视频生成：nuScenes上SymRegFlow在受评基线中取得最低FVD与FVMD，FVD较最佳基线降低超31%；源条件推理还取得最佳FID与实例保留。