WorldDirector：使用持久动态内存构建可控世界模拟器

我们提出了 WorldDirector，一个高度可控的视频世界模型框架，专为持久动态对象记忆和不受限制的视点探索而设计。与将物理动力学与像素渲染纠缠在一起并依赖连续视觉观察来维持运动的现有世界模型不同，我们的框架明确地将语义运动编排与视觉生成分离。通过利用 LLM 来协调 3D 轨迹与摄像机运动，并随后使用这些编排的轨迹作为视频生成的控制信号，我们的方法确保了严格的物理逻辑和外观稳定性，成功地保留了动态实体的准确视觉身份，即使它们在长时间离开视野后重新进入场景时也是如此。实验结果表明，我们的方法支持复杂和扩展事件的合成，具有前所未有的可控性和持久的动态对象内存。项目页面：https://worlddirector.github.io/