WorldScore

WorldScore – 斯坦福大学推出的世界生成模型统一评估基准

WorldScore是斯坦福大学开发的全球生成模型评估标准，旨在通过将世界生成任务细化为多个下一场景生成任务，从而实现对不同方法的全面比较。其评估涵盖了可控性、质量和动态性三个关键方面，依托于一套明确的相机轨迹布局规范。WorldScore的基准数据集精心设计，包含3000个测试样本，涵盖了静态与动态、室内与室外、逼真与风格化的多样化场景。

WorldScore是什么

WorldScore是斯坦福大学推出的一项全球生成模型的统一评估基准，旨在将世界生成细分为一系列的下一场景生成任务。通过明确的基于相机轨迹的布局规范，它可以有效地对不同方法进行评估。WorldScore从可控性、质量和动态性三个维度对生成的场景进行评估，基准数据集涵盖3000个测试样本，包含了各种类型的场景。

主要功能

• 统一评估框架：提供了一个标准化的评估体系，以衡量不同世界生成模型的性能，将生成任务细分为多个场景生成任务。
• 评估维度：从可控性、质量和动态性三个方面对生成的场景进行综合评估。
• 多场景生成：独特支持多场景生成，评估模型在连续场景生成中的表现。
• 统一性：能够同时评估3D、4D、图像到视频（I2V）和文本到视频（T2V）模型，提供全面的评估框架。
• 长序列支持：能够生成多个场景，评估模型在长序列生成任务中的表现。
• 图像条件生成：支持基于图像的条件生成，适合图像到视频的生成任务。
• 多样化风格：包含多种视觉风格的数据，能够评估模型在不同风格下的生成能力。
• 相机控制能力：评估模型对相机轨迹的遵循情况，确保生成场景与指定相机相符。
• 3D一致性评估：确保生成的3D场景在不同视角下保持几何结构的稳定性。

产品官网

• 项目官方网站：https://haoyi-duan.github.io/WorldScore/
• GitHub代码库：https://github.com/haoyi-duan/WorldScore
• arXiv技术文档：https://arxiv.org/pdf/2504.00983
• HuggingFace数据集链接：https://huggingface.co/datasets/Howieeeee/WorldScore

应用场景

• 图像到视频生成：支持高质量视频内容的生成，广泛应用于视频制作、动画设计等领域。
• 图像到3D模型生成：将二维图像转换为三维模型，适用于虚拟现实、增强现实和3D建模等场景。
• 数据集支持：提供丰富的动态和静态配置多媒体数据，适合多种任务，助力研究人员优化模型。
• 研究与开发：为研究人员提供标准化测试平台，支持新型3D/4D场景生成算法的开发和验证。
• 自动驾驶场景生成：生成逼真的3D场景用于自动驾驶系统的训练和测试，提升系统的安全性和可靠性。

常见问题

如对WorldScore的使用、数据集获取或评估方法有任何疑问，请访问我们的官方网站或GitHub页面获取更多信息和支持。