panoramic-video

SPW-Nav 是一种流式全景世界模型，能根据语言指令从单张全景图实时生成一分钟2K 360度视频，并支持中途切换指令，用于语言引导的导航与3D场景探索。

AlayaVista 是一种可控摄像头的流式视频世界模型，它将全景场景演化与透视视频合成解耦，并通过大规模的 MUGEN 数据集支持高保真交互式世界建模。

SwanSphere 提出了一种统一的流式框架，通过因果自回归扩散变换器和多模态学习策略，从全景视频和文本提示中生成高保真空间音频，在视频到空间音频和文本到空间音频任务中均实现了卓越性能。