论文页面 - SPW-Nav：一种用于语言引导导航的流式全景世界模型

来源：https://huggingface.co/papers/2610.08941

摘要

语言引导的全景视频生成有利于多种下游应用，例如交互式3D场景探索、虚拟现实体验和具身智能体训练。现有的全景生成器遵循预定义轨迹，而交互式世界模型则通过透视视角中的低层动作来执行操作。我们提出SPW-Nav，一种流式全景世界模型，能够理解移动指令，并从单张全景图中实时流式生成一分钟的2K 360度视频。SPW-Nav将先前生成全景图中的每条指令解读为相机运动。其中，球面旋转解耦在球面上精确施加旋转，位姿对齐条件化使平移输入在长时流式生成中保持有界，多时段记忆结合少步生成器则在指令变化时延续场景。我们还构建了SPW-NavSet，一个包含相机轨迹和经过验证指令的全景视频数据集。在语言驱动下，SPW-Nav在相机跟随精度和视频质量上超越了以往的全景生成器，并支持即时指令切换。

查看 arXiv 页面 (https://arxiv.org/abs/2610.08941)　查看 PDF (https://arxiv.org/pdf/2610.08941)　项目页面 (https://alaya-lab.github.io/SPW-Nav)　添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.08941)

引用本文的模型 0

暂无模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2610.08941，即可从此页面链接到该模型。

引用本文的数据集 0

暂无数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2610.08941，即可从此页面链接到该数据集。

引用本文的 Space 0

暂无 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.08941，即可从此页面链接到该 Space。

包含本文的收藏 0

暂无收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 即可从此页面链接到该收藏。