DriveCtrl: 条件化的仿真到真实驾驶视频生成

arXiv 26.5 2026 40.5 method

TLDR

DriveCtrl是一个基于深度条件的仿真到真实视频生成框架，能在保留标注的同时生成逼真驾驶视频。

评分理由

The paper addresses the domain gap in sim-to-real driving video generation with a structure-aware adapter and scalable pipeline. However, it lacks novelty in world model concepts and the evaluation metric is not fully detailed.

Read-first 评分解释

综合优先阅读分 40.5，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 0。

近期性 6%

100

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：2026

方法质量 18%

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：数据集、评估、实验、指标

引用影响力 18%

77.9

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.77937277

可复现性 18%

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：数据集

主题相关性 29%

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

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

基础论文前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：236。

关键词评分

world model

world simulator

generative world model

interactive world model

video world model

world dynamics prediction

model-based reinforcement learning world model

深度分析

创新点

基于深度条件的可控仿真到真实驾驶视频生成框架（DriveCtrl），构建于预训练视频基础模型之上
结构感知适配器，能够在保留源仿真场景布局和运动模式的同时实现深度引导生成
可扩展的数据生成流水线，支持三种条件信号（结构深度、参考数据集风格、文本提示），同时保留帧级标注
驾驶视频真实感评分（DVRS），一种基于驾驶领域知识的评估指标，用于评估生成视频的真实性

方法

DriveCtrl基于预训练的视频基础模型，并引入结构感知适配器进行深度引导生成。它使用可扩展的数据生成流水线，将仿真视频转换为与目标真实数据集视觉风格匹配的逼真驾驶片段，支持结构深度、参考数据集风格和文本提示的条件控制，同时保留帧级标注。该框架通过提出的DVRS指标以及标准的真实性、时间质量和感知任务性能指标进行评估。

关键结果

DriveCtrl在真实性、时间质量和感知任务性能方面持续优于基础模型和竞争替代方案，显著缩小了驾驶视频生成的仿真到真实差距。

资源

论文