标签
OmniShowcase 通过几何驱动的训练数据合成与表面法线条件控制，实现从多视角参考图像生成保持 3D 一致性的全视角主体视频，并发布了 Showcase-4K 数据集与 ShowcaseBench 评测集，达到最先进的主体身份与 3D 一致性表现。
Orbia 提出了首个系统评估交互式视频世界模型 3D 一致性的基准，通过受控探索与回访协议，从输入保持、生成内容持久性和 3D 自洽性三个维度对 27 个模型进行评测。
World Observer 为视频世界模型引入了一种联合行动者-观察者生成框架，利用全景观察者持续跟踪视野外的物体，使其状态在重新进入行动者视野时保持一致。论文还提出了世界空间度量以及一个涵盖真实与合成场景的基准，用于评估视野外演化。
PAIWorld 通过几何感知和跨视图注意力机制增强扩散变换器世界模型，提升机器人操作任务中的多视图三维一致性，在基准测试上达到最优结果。
WorldOlympiad 提出了一个全面的基准测试，用于评估基于视频的世界模型在物理真实性、几何一致性和交互保真度方面的表现，揭示了当前生成模型的显著差距。
CityRAG 提出一种视频生成模型，利用地理注册数据生成长时、物理一致、3D 连贯的真实城市视频，为机器人与自动驾驶提供可导航、可仿真的逼真环境。