interactive-world-model

ReWorld 提出了一个交互式世界模型，该模型使用混合注意力窗口和分布匹配的LoRA蒸馏，将短期控制与长期记忆解耦，实现了具有高动作保真度和回忆能力的实时视频生成。

AlayaWorld是一个150亿参数的交互式视频世界模型，可生成24帧/秒的540p和720p视频，采用自回归潜变量块生成、受限视觉上下文以及蒸馏技术来减少推理步骤。它在长视界生成基准iWorld-Bench上达到了最先进的性能。

AMD 发布了 Micro-World，这是一个基于 Wan2.1 系列构建的动作控制交互世界模型，并提供了开源权重、代码和精心整理的数据集，用于可控世界建模。