VerseCrafter：给视频世界模型装上4D方向盘，精准运镜控物

视频世界模型领域又迎来了新的突破！ 复旦大学与腾讯 PCG ARC Lab 等机构的研究者们提出了 VerseCrafter， 这是一个通过显式 4D 几何控制（4D Geometric Control）实现的动态逼真视频世界模型。 它不仅能像「导演」一样精准控制运镜，还能同时指挥场景中多个物体的 3D 运动轨迹，为视频生成引入了物理世界维度。 自 Sora 问世以来，视频世界模型（Video World Models）成为了 AI 领域最热门的研究方向之一。我们希望 AI 不仅能生成视频，更能理解和模拟真实的物理世界。 然而，现有的视频模型往往面临一个核心困境： 视频是在 2D 平面上播放的，但真实世界是 4D（3D 空间 + 时间）的。 VerseCrafter 的核心理念在于： 用一个统一的 4D 几何世界状态（4D Geometric World State）以此驱动视频生成。 它利用静态背景点云和每个物体的 3D 高斯轨 迹，实现了对相机和物体运动的解耦与协同控制。 论文地址： https://arxiv.org/pdf/2601.05138 项目主页： https://sixiaozheng.gi ...