InfiniCube：基于世界引导视频模型的无界可控动态三维驾驶场景生成

ICCV 25 2025 54.1 method, application

TLDR

InfiniCube利用地图条件体素世界和接地视频模型生成无界可控的动态3D驾驶场景。

评分理由

The paper presents a novel method combining sparse-voxel 3D generation with video models for high-fidelity, controllable driving scenes. Strengths include scalability and controllability; weaknesses are potential complexity and lack of explicit real-world dataset mention in the abstract.

Read-first 评分解释

综合优先阅读分 54.1，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 41。

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：实验、指标

主题相关性 42%

58.6

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：无

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：415。

关键词评分

video world model

generative world model

world model

world simulator

world dynamics prediction

interactive world model

model-based reinforcement learning world model

深度分析

创新点

基于地图条件的稀疏体素三维生成模型，用于无界体素世界生成
重新利用视频模型，通过像素对齐引导缓冲区接地到体素世界，实现一致的外观合成
使用体素和像素分支的快速前馈方法，将动态视频提升为具有可控对象的动态三维高斯体

方法

InfiniCube首先构建一个基于地图条件的稀疏体素三维生成模型，生成无界体素世界。然后通过像素对齐引导缓冲区将视频模型接地到体素世界，合成一致的外观。最后，采用包含体素和像素分支的快速前馈方法，将动态视频提升为动态三维高斯体，从而通过高清地图、车辆边界框和文本描述实现控制。

关键结果

该方法生成可控且逼真的三维驾驶场景，大量实验验证了其相对于先前方法的有效性和优越性。

资源

论文项目