world-models

SANA：Linear Diffusion Transformerによる効率的な高解像度画像合成

オープンソースの世界モデルの進化

ワールドモデルを通じた多様なドメインのマスター

ワールドモデリングに関する優れた作品の厳選リスト。研究者、実務家、愛好家向けワンストップリソース。

Hunyuan3D World Modelを使用して、言葉やピクセルから没入感があり、探索可能でインタラクティブな3Dワールドを生成する

軽量な画像・動画・アクション生成推論フレームワーク

Helios: 真のリアルタイム長尺動画生成モデル

DIAMOND (DIffusion As a Model Of eNvironment Dreams) は、拡散ワールドモデルでトレーニングされた強化学習エージェントです。NeurIPS 2024 Spotlight。

NVIDIA Alpamayo 1 Nanoは、走行軌跡とChain-of-Causation推論を組み合わせた、自動運転車向けのオープンな10B推論VLAモデルです。

Voyagerは、カメラ入力を条件とするインタラクティブなRGBDビデオ生成モデルであり、リアルタイム3D再構築をサポートする

HY-World 1.5: リアルタイムのレイテンシと幾何学的一貫性を備えた、インタラクティブなワールドモデリングのための体系的なフレームワーク。

Cosmos-Predict2.5は、Cosmos World Foundation Models (WFMs) ファミリーの最新バージョンであり、ビデオの形式で世界の将来の状態をシミュレートおよび予測することに特化しています。

AIゲーム開発ハブ。AIを活用したゲーム開発ツールのための究極のリソースハブ。最先端のLLM、ワールドモデル、エージェント、コード、画像、テクスチャ、シェーダー、3Dモデル、アニメーション、動画、音声、音楽、歌声、アナリティクスを発見。🔥

[ICML 2026] WorldMirror: 多様なタスクに対応する高速かつ汎用的な3D再構築モデル

[TPAMI 2026] 3D および 4D ワールドモデリングのサーベイ

[ICML 2026] 「Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation」および Causal Forcing++ の公式コードベース

身体性知能に向けた Mixture-of-Experts 動画事前学習のスケーリング

Transformersはサンプル効率の高いワールドモデルです。ICLR 2023上位5%の注目論文。

高度なワールドモデルのための統合コードベース。

[ACM CSUR 2025] 世界の理解か、未来の予測か？ワールドモデルの包括的サーベイ

1枚の画像またはテキストプロンプトから、高品質なパノラマ動画を使用して大規模な探索可能な 3D シーンを生成します。

More is Different。AI エージェントが生活し、会話し、競争し、同盟を結ぶマルチエージェントワールドエンジン。

[CVPR 2024 Highlight] GenAD: 自動運転のための汎用予測モデル

大規模な双方向／自己回帰ビデオ拡散モデルの蒸留に向けた、主導的かつ統合されたアルゴリズムおよびインフラストラクチャ（rCM & Causal-rCM）

LLMのための論理言語 🌱🐋 ワールドモデルを構築 🌍

Cosmos-Predict2.5をベースに構築されたCosmos-Transfer2.5は、複数の空間制御入力を条件とした高品質な世界シミュレーションを生成します。

ビジョン・言語モデル（VLM）の論文とモデルに関する包括的なコレクションおよび調査のGitHubリポジトリ。随時更新。

AR Diffusionを活用したAwesome Video World Modelsのキュレーションリスト：アルゴリズム、アプリケーション、インフラストラクチャを網羅し、研究者、実務者、愛好家向けの包括的なリソースとなることを目指しています。

[CVPR 2026] SpatialVID: 空間アノテーション付きの大規模ビデオデータセット

自動運転向けワールドモデルのキュレーションリスト