4DWorldBench：面向3D/4D世界生成模型的综合评估框架

arXiv 25.11 2025 58.8 benchmark

TLDR

4DWorldBench是一个统一评估3D/4D世界生成模型的框架，衡量感知质量、对齐、物理真实感和一致性。

评分理由

The paper introduces a comprehensive benchmark for world generation models, covering multiple tasks and evaluation dimensions, which is a strength. However, it focuses solely on generation and does not address interactive or RL-based world models, limiting its scope.

Read-first 评分解释

综合优先阅读分 58.8，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 37。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准、评估、验证

主题相关性 42%

52.9

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：GitHub

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：273。

关键词评分

world model

generative world model

video world model

world dynamics prediction

world simulator

interactive world model

model-based reinforcement learning world model

深度分析

创新点

针对3D/4D世界生成的综合评估框架，涵盖感知质量、条件-4D对齐、物理真实感和4D一致性四个关键维度
跨多种模态的自适应条件化，并映射到统一的文本空间
整合LLM-as-judge、MLLM-as-judge和传统网络方法进行统一评估
扩展传统评估范式，引入自适应工具选择以更接近人类判断

方法

该基准在图像到3D/4D、视频到4D和文本到3D/4D等任务上评估世界生成模型。所有模态条件被映射到统一的文本空间，评估采用LLM-as-judge、MLLM-as-judge和传统网络方法。使用自适应工具选择机制为每个输入选择最合适的评估方法。

关键结果

初步人类研究表明，自适应工具选择相比固定评估方法与主观人类判断具有更高的一致性。

局限性

仅进行了初步人类研究，尚未进行大规模验证
未明确处理LLM/MLLM评估器固有的潜在偏差

技术栈

LLM-as-judgeMLLM-as-judge传统网络方法自适应工具选择

资源

论文