标签
WorldRover是一个可扩展的合成数据引擎，它生成长距离、丰富标注的视频序列，包含深度和相机运动，以支持训练模型进行连贯的世界探索。
Wonder是一个通用的视频世界模型，能够从一张图像或条件视频中实现实时、可控制摄像头的世界探索。它通过密集坐标场引入摄像头条件化，采用稀疏注意力记忆机制，并改进蒸馏技术，从而支持以16 FPS生成分钟级的视频。