world-models

SANA：使用線性擴散變換器的高效高解析度影像合成

推動開源世界模型發展

透過世界模型掌握多領域專業知識

世界建模（World Modeling）領域優秀作品的精選清單，旨在為對世界建模感興趣的研究人員、從業者和愛好者提供一站式資源。

利用 Hunyuan3D 世界模型，從文字或像素生成沉浸式、可探索且具互動性的 3D 世界

輕量級圖像/影片動作生成推理框架

Helios：真正的即時長影片生成模型

DIAMOND (DIffusion As a Model Of eNvironment Dreams) 是一種在擴散世界模型中訓練的強化學習代理程式。NeurIPS 2024 Spotlight。

NVIDIA Alpamayo 1 Nano 是一個用於自動駕駛的開源 10B 推理 VLA 模型，將駕駛軌跡與因果鏈（Chain-of-Causation）推理相結合。

Voyager 是一個以相機輸入為條件的互動式 RGBD 影片生成模型，並支援即時 3D 重建。

HY-World 1.5：具有即時延遲與幾何一致性的互動式世界建模系統框架

Cosmos-Predict2.5 是 Cosmos World Foundation Models (WFMs) 家族的最新版本，專門用於以影片形式模擬與預測世界的未來狀態。

您的 AI 遊戲開發中樞。AI 驅動遊戲開發工具的終極資源中樞。探索最先進的 LLM、世界模型、Agent、程式碼、圖片、材質、著色器、3D 模型、動畫、影片、音訊、音樂、歌唱與分析。🔥

[ICML 2026] WorldMirror：適用於多種任務的快速通用 3D 重建模型

[TPAMI 2026] 3D 與 4D 世界建模：綜述

[ICML 2026]「Causal Forcing: Autoregressive Diffusion Distillation Done Right for High-Quality Real-Time Interactive Video Generation」與 Causal Forciiing++ 的官方程式碼庫

擴展混合專家模型（MoE）視訊預訓練以實現具身智能

Transformer 是具備樣本效率的世界模型。ICLR 2023，入選前 5% 卓越論文。

先進世界模型的統一程式碼庫

[ACM CSUR 2025] 理解世界還是預測未來？世界模型全面綜述

從單張圖片或文字提示詞生成具備高品質全景影片的大規模可探索 3D 場景。

莫測高深。一個多代理人世界引擎，讓 AI 代理人在此生活、對話、競爭與結盟。

[CVPR 2024 Highlight] GenAD：用於自動駕駛的廣義預測模型

rCM 與 Causal-rCM：大規模雙向／自迴歸影片擴散蒸餾的領先與統一演算法／基礎設施

LLM 的邏輯語言 🌱🐋 建立世界模型 🌍

Cosmos-Transfer2.5 基於 Cosmos-Predict2.5 建構，可根據多種空間控制輸入產生高品質的世界模擬。

視覺語言模型論文與模型的頂級前端收集與調查 GitHub 儲存庫。持續更新中。

AR Diffusion 影片世界模型精選列表：涵蓋演算法、應用與基礎設施，旨在為研究人員、從業者與愛好者提供全面資源。

[CVPR 2026] SpatialVID：一個具有空間標註的大規模影片資料集

自動駕駛世界模型精選列表