研究解读 三维与生成 · arXiv 2611.24408
作者 Chuang Wang 等
StrideWorld: Benchmarking Scene Rigidity and Action Consistency in Interactive Video World Model
Daily Papers 收录于

如果用生成后的视频重新估算整条路线,墙慢慢变形、步幅逐渐缩短,都可能被拟合过程吸收。新基准用起始画面的真实几何作为房间参考,并测出模型最初几步的位移,用此检验后续相同指令。

研究从 140 个起始视角测试多种开放模型。部分系统在一直向前时速度稳定,一旦把动作连成路线,中途会停下或偏离按自身步幅推算的终点。这个评估关心的是同一系统是否前后一致,无需强迫所有模型迈同样长的一步。

实验用前进、后退、左右平移和左右转向六种基本动作。固定一个动作连续执行 16 步,前四步用来估计这套模型自己的步幅,后面的步骤才用于检验是否走得稳定。这比先看完整条轨迹、再挑最合适的比例尺更难掩盖后段漂移。

原始资料