WorldDraft: If Code Builds the World, Can Video Models Just Render It?
把“世界结构是否保住”和“目标外观是否持续绑定”拆开评测,直接检验草图到视频渲染。
对应几何条件保真、材质与光照解耦、遮挡后重现;可为当前生成式渲染补充像素质量之外的诊断。
关键贡献
- 构造 48 个可执行 4D 世界,覆盖六类动态挑战;草图精细度与外观一致性各取三档,形成 432 个严格配对测试。
- 联合评估世界保持、外观实现和持续绑定,并提出无需重训的首帧视觉提示 WorldDraft-Primer。
方法与原文图解
Figure 3 上半部先用 Blender/MuJoCo 固定几何、运动、事件和相机,再只改变输入草图的精细度与外观是否符合目标文本。渲染器接收草图视频和文本,仿真状态仅用于评分。下半部 Primer 通过 VLM 引导的 SVG 提示,在第一帧强调易漏物体,并加入目标颜色、纹理与明暗线索,再送入冻结的视频模型。这个设计可分别定位结构丢失、属性错绑和源外观泄漏。
查看原尺寸 / 恢复适配宽度
Figure 3 · PDF 第 5 页 · v1
上半部的 3×3 网格固定世界状态,仅改变可见条件;下半部仅改首帧提示,可用于检验输入线索是否足以改善冻结渲染器。
实验与原文证据
- SolarRenderer 的世界保持得分为 63.28、外观实现为 69.97;Wan 3.0 分别为 44.37、80.40,呈现不同的结构—外观取舍。12 个模型;Rendering Performance 为完整 3×3 网格的聚合结果,均越高越好。Table 1 / Section 5.2
- MiniMax-H3 加入 Primer 后,外观实现由 76.38 升至 80.21,总分由 63.63 升至 65.56。同一基座、同一 WorldDraft 基准;属于作者评测。Table 2 / Section 5.4
查看原尺寸 / 恢复适配宽度
Table 1 · PDF 第 8 页 · v1
左侧列比较结构保持与外观实现;中间列衡量草图变精细后的变化;右侧 Leakage 越低越好。SolarRenderer 的结构较强,但外观实现和泄漏仍有明显改进空间。
采用时注意:表 1 中 SolarRenderer 在冲突输入下仍有 40.37% 的源外观泄漏。综合分会混合不同目标,选型应保留分项指标。