تقدّمت النماذج الأساسية للفيديو بسرعة في فهم المتواليات البصرية وتوليدها، بينما تسعى نماذج العالم الفيديوية إلى التقاط الديناميكيات الكامنة للعالم الذي تصوّره. وعلى الرغم من اختلاف أهدافهما، فإن كليهما يهتم بالعلاقة بين مشاهدات الفيديو وعالم متطوّر. تتبنّى هذه الدراسة الاستقصائية نمذجة العالم بوصفها عدسة موحّدة لفحص هذه التطورات. إذ ننظر إلى الفيديو المُلاحَظ بوصفه إسقاطًا جزئيًا فاقدًا للمعلومات ومرتّبًا زمنيًا لعالم زمني كامن، وننظّم الأدبيات حول أربع عمليات متكاملة: القراءة تستدلّ على خصائص العالم من الفيديو المُلاحَظ؛ والكتابة تركّب الفيديو انطلاقًا من شروط عالم محدّدة أو متعلَّمة؛ والمشاركة تدمج الفهم والتوليد عبر آليات نمذجة مشتركة؛ والتفاعل يتنبّأ بحالات العالم ويحدّثها في ظل أفعال ومشاهدات متطوّرة. ويميّز هذا المنظور بين التماسك الزمني في المتواليات المُلاحَظة أو المولَّدة وبين الاتساق في حالة العالم الكامنة. وعبر المهام والتمثيلات والنماذج ومجموعات البيانات والمعايير، نتتبّع تحوّلًا في التركيز من التعرّف على مستوى المقاطع ومن الدقة الإدراكية نحو الحالة المستمرة والتطوّر القابل للتحكّم والصلاحية الفيزيائية والسببية والتقييم المؤسَّس على التفاعل والقرارات اللاحقة، ونستخلص التحديات المفتوحة المترتّبة على ذلك.