⌁ Awesome World Model Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

重新思考驾驶世界模型作为感知任务的合成数据生成器

arXiv 25.10 2025 67.5 method, application

TLDR

Dream4Drive利用驾驶世界模型生成合成多视角视频，提升自动驾驶下游感知任务和边缘案例检测。

评分理由

The paper addresses a gap in evaluating driving world models for downstream perception, introducing a flexible framework for generating corner cases. Strengths include a novel 3D-aware generation pipeline and a new dataset, but the abstract lacks quantitative results and comparisons to baselines.

Read-first 评分解释

综合优先阅读分 67.5，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 40。

方法质量 25%
100

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：基线、数据集、评估、实验、指标、结果

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

主题相关性 42%
57.1

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%
46

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、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：213。

关键词评分

world model
10
generative world model
9
video world model
9
world simulator
6
world dynamics prediction
4
interactive world model
1
model-based reinforcement learning world model
1

深度分析

创新点

  • 重新思考驾驶世界模型作为下游感知任务的合成数据生成器，而不仅仅是生成质量和可控性。
  • Dream4Drive框架，将输入视频分解为3D感知引导图，渲染3D资产，并微调世界模型以生成编辑后的多视角逼真视频。
  • 能够大规模生成自动驾驶感知的多视角边缘案例。
  • 贡献了DriveObj3D，一个大规模3D资产数据集，涵盖典型驾驶类别，支持多样化的3D感知视频编辑。

方法

Dream4Drive首先将输入视频分解为多个3D感知引导图，然后将3D资产渲染到这些引导图上。最后，微调驾驶世界模型以生成编辑后的多视角逼真视频，这些视频用于训练下游感知模型。该框架通过在不同训练轮次下对下游感知任务进行综合实验来评估。

关键结果

Dream4Drive在不同训练轮次下有效提升了下游感知模型的性能，特别是在自动驾驶中的边缘案例感知方面。

资源

论文项目

标签