国产世界模型登顶李飞飞团队榜单！适配国产昇腾算力、代码权重全开源
内容提要
李飞飞团队世界模型榜单更新，兔展智能联合北大、鹏城实验室的UniWorld-View登顶。该模型支持单图或视频生成新视角，通过遮挡感知渲染和双流条件注入解决大基线难题，实现精确相机控制，并统一单图3D与视频4D生成，代码已开源。
延伸解读
大基线难题的破解思路
新视角合成的核心难点在于大基线，即仅凭单张或少量图像生成大幅变化视角。传统重建方法（如NeRF、3DGS）依赖多视角输入，而生成式方法缺乏显式3D约束。UniWorld-View采用几何与生成结合的策略，先用点云渲染提供几何条件，再让扩散模型补全细节，从而在保持相机控制精度的同时，提升生成质量。
遮挡处理的技术细节
点云渲染在大视角变化时易出现前景背景撕裂和背面漏光。UniWorld-View通过双重投影生成遮挡掩码，剔除被遮挡区域，避免错误纹理误导生成模型；同时利用法向过滤移除背对相机的点，确保条件图只包含可靠几何信息。这些处理显著减少了生成过程中的结构扭曲和伪影。
统一框架与开源价值
UniWorld-View采用同一套代码和模型，统一了单图3D生成与视频4D生成，简化了技术栈。模型已适配国产昇腾算力，代码和权重全部开源，有利于社区复现和二次开发。训练数据来自元空智能，体现了产学研协作，为世界模型研究提供了可参考的实践路径。
Q&A
UniWorld-View是什么？它有什么特点？
UniWorld-View是兔展智能联合北大、鹏城实验室研发的世界模型，登顶李飞飞团队榜单。它支持单图或视频生成新视角视频，提供精确的相机位姿控制，能实现单图3D生成和视频4D生成，且代码和权重已全部开源，并适配国产昇腾算力。
UniWorld-View解决了什么技术难题？
它解决了新视角合成中的大基线难题，即仅凭单目视频或单张图片生成大角度变化的新视角时，传统方法会出现结构扭曲、伪影等问题。UniWorld-View通过遮挡感知点云渲染和双流条件注入，实现了精确的相机控制和高质量的生成。
UniWorld-View如何实现精确的相机控制？
它采用遮挡感知点云渲染，包括双重投影和法向过滤，去除错误几何信号；再通过双流条件注入，一个流控制构图，一个流控制上色，从而在生成时精确遵循指定的相机轨迹。
UniWorld-View如何统一单图3D和视频4D生成？
它使用同一套代码和模型，通过生成多视角视频，再将其输入4DGS优化，从而将单目视频或单图转换为可自由视角漫游的4D场景，实现了单图3D和视频4D生成的统一。
UniWorld-View的代码和权重是否开源？
是的，UniWorld-View的代码和权重已全部开源，官方地址为PKU-YuanGroup/UniWorld-View，并且模型已适配国产昇腾算力。
UniWorld-View的训练数据来自哪里？
训练数据来自北大系初创企业元空智能。
兔展智能在视觉AI领域有哪些其他成果？
兔展智能自主研发了Open-Sora Plan和UniWorld系列模型，其中Open-Sora Plan是行业首个开源文生视频模型，2024年代码引用量全球第一；UniWorld-V2早于NanoBanana三个月发布，UniWorld-V2.5在InfoGraph等场景对齐GPT-Image-2的生成能力。
