PanoWorld：真实世界全景生成

arXiv 2026 44.4 method, benchmark

TLDR

PanoWorld利用旋转等变特性实现全景世界模型长程记忆，并引入新数据集World360。

评分理由

The paper introduces a novel approach leveraging rotation-equivariance for panoramic world models, supported by a new dataset combining real-world and simulated data. Strengths include the innovative use of geometric transformations and a comprehensive dataset; weaknesses are the lack of detailed quantitative results and limitations in the abstract.

Read-first 评分解释

综合优先阅读分 44.4，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 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

主题相关性 29%

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 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：代码、数据集、GitHub

引用影响力 18%

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。引用数：0

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

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：546。

关键词评分

world model

generative world model

video world model

world simulator

world dynamics prediction

interactive world model

model-based reinforcement learning world model

深度分析

创新点

利用全向表示的旋转等变特性，通过固定航向将相机轨迹简化为平移
密集全景射线条件（DPRC）用于当前动作建模
几何感知记忆增强（GMA）用于长程记忆
三阶段训练流程用于逐步优化
World360数据集：大规模真实世界和模拟全景片段，用于评估空间变化和多样光照下的物理一致性

方法

PanoWorld利用旋转等变全向表示将相机运动建模为固定航向的平移，并整合DPRC和GMA模块。三阶段训练流程逐步优化这些组件。评估在新引入的World360数据集上进行，该数据集包含真实无人机拍摄和模拟的全景视频。

关键结果

PanoWorld在World360数据集上大幅优于其他方法，大量实验证明了这一点。

资源

论文