MotionScape：用于世界建模和未来视频生成的运动分层无人机视频基准

无人机 (UAV) 对于低空自主和复杂环境理解越来越重要。世界模型使无人机能够预测未来状态在潜在行动下可能如何演变，为自主决策提供预测支持。对于视频世界模型来说，未来视频生成作为模拟未来视觉状态的手段，为评估其预测能力提供直接基础。然而，现有的无人机视频资源通常集中于特定的控制信号或模拟环境。多条件无人机视图未来视频生成的标准化基准仍然有限。为了弥补这一差距，我们引入了 MotionScape，这是一个真实世界的无人机视图基准测试，包含 228 个高分辨率视频剪辑，总计 62,700 帧，具有天气和照明条件、场景环境和相机视点运动的语义注释。使用基于光流的运动强度将剪辑分层为低、中和高运动层。 MotionScape 支持在统一的下一代协议下进行 Text2World、Image2World 和 Video2World 评估。使用代表性基线模型进行技术验证，评估调节设置和运动层的性能，为评估无人机世界模型的未来视觉模拟能力提供统一的平台。