WorldDreamer es un innovador modelo de generación de video que comprende y simula la dinámica del mundo mediante la predicción de tokens visuales enmascarados. Destaca en múltiples áreas, incluyendo la síntesis de imagen a video, la generación de video a partir de texto, la reparación de video, el estilizado de video y la generación de video a partir de movimiento. El modelo se inspira en el éxito de los grandes modelos de lenguaje, considerando el modelado del mundo como un desafío de modelado de secuencias visuales sin supervisión, logrado mediante el mapeo de la entrada visual a tokens discretos y la predicción de los tokens enmascarados.