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

Sekai：面向世界探索的视频数据集

arXiv 25.7 2025 40.8 benchmark

TLDR

大规模第一人称视频数据集（5000+小时，100+国家），丰富标注，用于训练世界探索视频生成模型。

评分理由

Strengths: massive scale, geographic diversity, and comprehensive annotations addressing key limitations of existing datasets. Weaknesses: no direct evaluation on world model tasks or interactive exploration; limited to first-person view and static video generation.

Read-first 评分解释

综合优先阅读分 40.8，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 12。

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%
60

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、实验

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

主题相关性 42%
17.1

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

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：313。

关键词评分

video world model
4
world model
2
generative world model
2
world simulator
1
interactive world model
1
world dynamics prediction
1
model-based reinforcement learning world model
1

深度分析

创新点

  • 引入了Sekai，一个大规模第一人称视角全球视频数据集，包含来自100多个国家和750个城市的超过5000小时的步行和无人机视频。
  • 丰富的标注包括位置、场景、天气、人群密度、字幕和相机轨迹，专门为世界探索训练设计。
  • 开发了一个高效的工具箱，用于大规模收集、预处理和标注视频。

方法

该数据集包含来自100多个国家和750个城市的超过5000小时的第一人称视角（FPV）和无人机（UVA）视频。开发了一个高效的工具箱，用于收集、预处理和标注视频，包括位置、场景、天气、人群密度、字幕和相机轨迹等元数据。通过全面的分析和视频生成模型实验，评估了数据集的质量和实用性。

关键结果

全面的分析和实验证明了数据集的规模、多样性、标注质量以及训练视频生成模型的有效性，展示了其在推进世界探索应用方面的潜力。

资源

论文项目

标签