本篇文章分享首个开源世界模型，李飞飞点赞：把视频直接变成一个可探索的 4D 世界，对你有帮助的话记得收藏一下，看极客资料网收获更多编程知识

点个 Star，开源项目地址：https://github.com/inspatio/inspatio-world

首个开源世界模型，李飞飞点赞：把视频直接变成一个可探索的 4D 世界

这两天看到一个很炸的项目，叫 InSpatio-World。

一句话说清楚它在干嘛：

把一段普通视频，直接变成一个可探索、可导航、可回溯的 4D 世界。

这个点为什么值得聊。

因为过去大多数视频模型，解决的是生成一段能看的内容。
你看到的是画面、镜头、运镜、动作。

但 InSpatio-World 想做的，已经不是把视频变得更像视频。
它想做的是：把视频背后的场景，变成一个你可以走进去探索的世界。

官网：https://www.inspatio.com/zh/models/world

---

这项目牛在哪

官方给它的定义很直接：

首个以参考视频为条件的 4D 世界模型。

输入是一段单视频。
输出不是简单补帧，也不是换个镜头看看。
输出是一个动态世界，你可以自由探索、导航，甚至重新回到某个时刻继续看。

这个差别很大。

过去的视频，更像一条已经录好的河流。
你只能站在岸边看它流过去。

现在这个项目想做的是：

把整条河，连同河岸、石头、水流方向和时间变化，一起交给你。

你不只是观众。
你开始变成进入世界的人。

---

它不是在模拟像素，它是在试着模拟世界

这件事最关键的技术点，叫 State-Anchored World Modeling。

大白话理解，就是很多生成模型其实只是在连续地生成看起来合理的画面。
它们擅长让你觉得像，未必真的维护了一个持续存在的世界状态。

所以就会出现很多老问题：

• 物体出了镜头就容易失真
• 长时间生成容易漂
• 换个视角，空间关系可能崩
• 时间拉长后，因果和连续性很难稳住

InSpatio-World 想解决的，就是这些问题。

它的思路是把参考视频锚定成一个局部世界状态，然后随着时间去维护和演化这个状态，让生成结果在空间和时间上尽量保持一致。官方也明确把这个方法概括为 World State Anchoring、Spatiotemporal Autoregression 和 Joint Distribution Matching Distillation。

说得更直白一点：

很多视频模型是在画连续截图，
InSpatio-World 更像是在维护一个持续运转的小世界。

这就是它最值得开发者关注的地方。

---

为什么开发者会对它上头

因为这个项目不是那种看完一句牛逼就结束的 Demo。
它天然就带着很强的可玩性。

你可以很自然地想到这些东西：

• 能不能加键盘控制
• 能不能加手柄交互
• 能不能自己定义视角轨迹
• 能不能做时间回放和重走
• 能不能做成小游戏
• 能不能给 Agent 当交互环境

而 GitHub 仓库里，项目也确实把这条路留出来了。

README 公开了完整推理流程，包含视频 caption、深度估计、点云渲染和最终 v2v inference 三个步骤；同时还提供了轨迹控制方式，用户可以通过 --traj_txt_path 来控制新视角合成路径，内置了如 x_y_circle_cycle.txt 和 zoom_out_in.txt 这样的预设轨迹。

开源项目地址：https://github.com/inspatio/inspatio-world

官网：https://www.inspatio.com/models/world
交流群：https://discord.com/invite/SyyjR3Z57w

这意味着什么。

意味着它不是一个只适合围观的研究项目。
它已经有了很明显的二次开发入口。

你完全可以在它上面继续往外长：

• 交互式世界浏览器
• 4D 相册
• 视频可探索化产品
• 轻量小游戏
• Agent sandbox
• 自动驾驶仿真场景
• 具身智能训练环境

而这些方向，也正是官方明确写出来的应用场景，包括 Embodied Intelligence、Autonomous Driving、4D Photo Album、Toward World Simulation。

---

它最有意思的地方，是把视频这件事往前推了一大步

过去大家对 AI 视频的理解，大多还是：

• 生成视频
• 看视频
• 转发视频

但世界模型这条路，真正更大的想象空间是：

• 进入视频
• 控制视角
• 控制时间
• 改变交互方式
• 让人和 Agent 都能在里面活动

官网里有一句话写得很好：

Beyond the Frame. Into the World.
以及另一句更狠的：

From simulating pixels to simulating worlds.

这两句话其实已经把它的野心讲透了。

它不是想做一个更花哨的视频生成器。
它是在往下一代交互媒体和世界仿真的方向探。

---

指标层面，它也不是空讲概念

根据官方页面公开信息，InSpatio-World 的 1.3B 参数模型 在 WorldScore-Dynamic 排行榜上位列实时方法第一，运行速度达到 单 GPU 24 FPS 实时生成。技术页还写到，它在单张 RTX 4090 上能跑到 10 FPS。

这件事很重要。

因为很多听起来很未来的系统，实际只能离线慢慢跑。
离实时、交互、开发者上手，还隔着很远。

但 InSpatio-World 公开强调的，就是：

它已经在往实时可交互的方向走。

这就让它从研究展示，开始接近真正的开发底座。

---

站在开发者视角，我为什么觉得这个项目值得 Star

我会给四个理由。

1. 它不只是又一个视频生成项目

它在重新定义一件事：

视频，能不能直接成为世界的入口。

2. 它有明显的 Fork 价值

仓库公开了模型权重下载方式、推理流程、轨迹控制和代码结构，已经具备继续做交互层、玩法层和工具层的基础。仓库当前也已经公开在 GitHub，采用 Apache 2.0 许可证。

开源项目地址：https://github.com/inspatio/inspatio-world

官网：https://www.inspatio.com/models/world
交流群：https://discord.com/invite/SyyjR3Z57w

3. 它兼顾研究深度和社区传播性

很多研究项目很强，但普通开发者接不住。
这个项目的好处是，你看完很容易立刻想到：

我能拿它做点什么。

4. 它踩在一个更大的趋势上

世界模型真正有价值的，不只是生成内容。
而是让系统拥有对空间、时间、状态和因果的持续理解。

官方在技术页里把长期愿景也写得很明确：

• Persistent Worlds
• Causal Interaction
• Agent-Centric Learning

这就说明，InSpatio-World 不是终点。
它更像一个起点。

---

这类项目，接下来会越来越重要

如果说前几年大家主要在卷谁更会生图、谁更会生视频。
那往后一个更值得看的方向，一定是：

谁更会维护世界状态。

因为内容生成只是第一步。
真正更大的价值在后面：

• 能不能长时间稳定
• 能不能支持交互
• 能不能支持控制
• 能不能支持 Agent 学习
• 能不能从播放内容，走向模拟世界

InSpatio-World 至少把这件事，做成了一个开发者可以摸到、跑起来、继续改的开源项目。
这就已经很难得了。

---

最后

很多项目让人觉得厉害。
少数项目会让开发者有一种很直接的冲动：

这玩意我想自己 Fork 下来试试。

InSpatio-World 就属于后者。

以前我们只是看视频。
现在，视频开始变成一个你可以真正走进去的世界。

这件事，本身就足够让人兴奋。

---

项目地址

• GitHub: https://github.com/inspatio/inspatio-world
• 官网: https://www.inspatio.com/zh/models/world
• 技术页: https://inspatio.github.io/inspatio-world/-
• 交流群：https://discord.com/invite/SyyjR3Z57w

文章来源:https://www.cnblogs.com/Alandre/p/19835410
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！