玩家录下的游戏视频很多，但血条、地图和字幕会一直盖在画面上。对视频世界模型——从连续画面学习场景如何变化的模型——来说，这些界面不是游戏世界的一部分，却可能被误学成环境运动或特定游戏的规律。G2WEngine想做的，就是把海量但杂乱的公开视频先“洗干净”，再用于训练。
它先用统一分类体系定位各类界面元素，再移除它们并补回被遮住的场景。团队还从真实视频提取界面素材，合成了9.6万组成对视频，让处理前后的画面有精确对应；真实测试集则含303款游戏的1079段视频。其GameCleaner模型不要求人工提供遮罩，而是自行识别界面并完成视频修补。
最值得注意的是一项受控实验：作者在同一批5442段视频上分别训练带界面和无界面版本，后者的综合VideoReward高6.83%，其中运动质量高18.8%。这说明清界面不只是让画面好看，也可能减少错误训练信号。不过实验没有加入动作条件，因此尚未证明公开视频能取代记录“按键—反馈”的完整交互轨迹。