正在整理你需要的资料…
视频生成模型看着连贯,转个视角就散架,这毛病到底怎么量?Orbia 拿 720 个案例、6 种走开再回头的相机轨迹,给每个输入配准的 RGB-D 参考和标注锚点,看场景保没保住、生成的内容前后记不记得住、几个视角能不能拼出同一个 3D 世界,末尾是 27 个模型的排行榜和三个 Agent 技能。
适合做 3D/4D 世界模型或视频生成、需要横向对比各家模型空间一致性的研究者;仓库给出可直接套用的评测模板与运行方式。
下面是把仓库 README 逐节读完后归纳出的中文要点。
介绍一个评测基准:给定输入图像、场景描述与镜头轨迹,检验视频世界模型除画面好看外,是否保持原有场景、记住生成内容,并产出彼此一致的 3D 视角。
记录榜单变化:2026年11月4日加入 Hy-Nomas,10月30日加入 WorldCrafter-Fast 两个模型。
概括亮点:按输入保持、生成内容持久与 3D 自一致三个维度评估,配六种探索再访轨迹与 22 秒、一分钟两版时长,数据取自多个公开数据集、自录素材与 48 个虚幻引擎环境。
若这项工作对你的研究有帮助,请考虑在论文中引用本项目的论文。
列出评估分层:控制对齐、视觉质量、输入保持、生成内容持久、3D 自一致与时序稳定六个层级,各有权重与指标,长视频权重占七成。
介绍数据构成:短样本 357 帧 22 秒、长样本 961 帧 60 秒,分辨率 1280×720、轨迹采样 16 FPS;真实场景与虚幻引擎模拟合计短样本 480、长样本 240。
pip install -r requirements/models.txtorbia/
├── evaluate.py # evaluate generated videos
├── generate.py # run a model on ORBIA cases
├── src/
│ ├── metrics/ # T1–T6 metrics and scoring
│ ├── backends/ # DA3, SAM 3.1 and per-GPU evaluation workers
│ ├── models/ # adapters for camera / action / image+text models
│ ├── data/ # dataset loading and packaging
│ ├── construction/ # real-video construction: sources, anchors, revisits, ranking
│ ├── trajectory/ # six trajectory templates and minute-long extensions
│ ├── ue/ # Unreal Engine planning, extraction and export
│ └── utils/ # camera models and geometry
├── examples/ # model adapter templates
├── tools/ # installation, weights, dataset, construction and submission tools
├── unreal/ # scripts run inside Unreal Editor
├── configs/ # evaluation and construction configs
├── skills/ # agent skills
└── docs/| 主要语言 | Python | 许可 | Apache-2.0 |
|---|---|---|---|
| 创建时间 | 2026-10-08 | 最近提交 | 2026-11-04 |
| 站内采集 | 2026-11-06 起,连续观察 1 天 | 最近一次 | 2026-11-06 |
最近 1 次采集
这个项目刚进入观察名单,还没有足够的历史数据画曲线。
数据来自 GitHub 公开接口的每日采集快照,star 数为采集当时读到的值, 与 GitHub 页面上显示的实时数字可能有几分钟的差距。 项目名点击可回到 本页。