WorldScore – 斯坦福大學推出的世界生成模型統一評估基準

WorldScore是斯坦福大學開發的全球生成模型評估標準，旨在通過將世界生成任務細化為多個下一場景生成任務，從而實現對不同方法的全面比較。其評估涵蓋了可控性、質量和動態性三個關鍵方面，依托于一套明確的相機軌跡布局規范。WorldScore的基準數據集精心設計，包含3000個測試樣本，涵蓋了靜態與動態、室內與室外、逼真與風格化的多樣化場景。

WorldScore是什么

WorldScore是斯坦福大學推出的一項全球生成模型的統一評估基準，旨在將世界生成細分為一系列的下一場景生成任務。通過明確的基于相機軌跡的布局規范，它可以有效地對不同方法進行評估。WorldScore從可控性、質量和動態性三個維度對生成的場景進行評估，基準數據集涵蓋3000個測試樣本，包含了各種類型的場景。

主要功能

• 統一評估框架：提供了一個標準化的評估體系，以衡量不同世界生成模型的性能，將生成任務細分為多個場景生成任務。
• 評估維度：從可控性、質量和動態性三個方面對生成的場景進行綜合評估。
• 多場景生成：獨特支持多場景生成，評估模型在連續場景生成中的表現。
• 統一性：能夠同時評估3D、4D、圖像到視頻（I2V）和文本到視頻（T2V）模型，提供全面的評估框架。
• 長序列支持：能夠生成多個場景，評估模型在長序列生成任務中的表現。
• 圖像條件生成：支持基于圖像的條件生成，適合圖像到視頻的生成任務。
• 多樣化風格：包含多種視覺風格的數據，能夠評估模型在不同風格下的生成能力。
• 相機控制能力：評估模型對相機軌跡的遵循情況，確保生成場景與指定相機相符。
• 3D一致性評估：確保生成的3D場景在不同視角下保持幾何結構的穩定性。

產品官網

• 項目官方網站：https://haoyi-duan.github.io/WorldScore/
• GitHub代碼庫：https://github.com/haoyi-duan/WorldScore
• arXiv技術文檔：https://arxiv.org/pdf/2504.00983
• HuggingFace數據集鏈接：https://huggingface.co/datasets/Howieeeee/WorldScore

應用場景

• 圖像到視頻生成：支持高質量視頻內容的生成，廣泛應用于視頻制作、動畫設計等領域。
• 圖像到3D模型生成：將二維圖像轉換為三維模型，適用于虛擬現實、增強現實和3D建模等場景。
• 數據集支持：提供豐富的動態和靜態配置多媒體數據，適合多種任務，助力研究人員優化模型。
• 研究與開發：為研究人員提供標準化測試平臺，支持新型3D/4D場景生成算法的開發和驗證。
• 自動駕駛場景生成：生成逼真的3D場景用于自動駕駛系統的訓練和測試，提升系統的安全性和可靠性。

常見問題

如對WorldScore的使用、數據集獲取或評估方法有任何疑問，請訪問我們的官方網站或GitHub頁面獲取更多信息和支持。