CausalAlign：对齐视频生成模型的因果表征以稳定相机自运动

CausalAlign 提出一种因果对齐框架，通过线性探针和因果干预定位视频生成模型中相机自运动的表征层，再借助 delta-token 空间将这些层的表征对齐到三维基础模型。在 Wan2.2 上基于 DL3DV 和 RealEstate10K 微调后，几何一致性相对基座模型提升超过 20%，并在 RoboCasa365 移动操作任务上把世界动作模型（WAM）的成功率提高 10 个百分点。