---
title: "VMem"
description: "VMem（University of Oxford）：视频生成、memory；已验证。"
modelId: "vmem"
pageSource: generated
---

VMem 是带「面元索引视图记忆」的交互式视频场景生成模型：当你在场景中游走时，它记住哪些表面曾从哪些视角被看到，使新视角与历史保持一致。集成与 runner 状态均为 verified——Studio/API 视觉验证使用树内运行时与就位的 VMem、CUT3R checkpoint，复现了官方导航 demo。

<ModelPaperFigures modelId="vmem" locale="zh" />

记录论文为[VMem: Consistent Interactive Video Scene Generation with Surfel-Indexed View Memory](https://arxiv.org/abs/2506.18903)（ICCV 2025 highlight, 2025）。

项目页：[v-mem.github.io](https://v-mem.github.io/)。代码：[runjiali-rl/vmem](https://github.com/runjiali-rl/vmem)。

<ModelCommandBuilder modelId="vmem" locale="zh" />

## 用来做什么

用 `vmem` 做 catalog 世界模型推理。需要动作条件未来帧、而不是独立片段生成器时选它。

VMem 以面元（surfel）索引历史视图，检索相关视图作为下一视角生成的条件（见论文 arXiv 2506.18903）。该路径以 CUT3R 为几何主干；两组 checkpoint 均需就位。该模型由牛津大学发布。

catalog 记录的任务包括 视频生成、memory、stream、交互式世界模型。输出模态为视频。

记录的评测入口包括[WorldScore](/zh/docs/evaluation/benchmark-hub/worldscore)（评估可相机游走的生成场景）。

## 运行时契约

可选 `prompt`、`input_path`、`interactions`、`reset_state`；产物 `vmem.mp4`。

CLI task profile：`interactive-video`。绑定的 pipeline 类是 `VMemPipeline`。

系列状态：**已验证**。

video 类别中少数完整验证过的交互式路径之一——树内 Studio/API 路径已于 2026-06-27 产出并通过视觉验证官方风格导航 demo。 输入覆盖 prompt/image/video/actions；输出为 generated_video 产物。

需要同时在本地就位 VMem 与 CUT3R checkpoint。

## 在 WorldFoundry 中运行

catalog 启动命令是 `worldfoundry-eval run vmem --pipeline.task-profile interactive-video`。上方命令构建器按已记录任务切换 `--pipeline.task-profile`，发出的仍是 `worldfoundry-eval run`。

运行环境是统一 profile `worldfoundry-unified-cu128`（Python 3.11，CUDA 12.8）。

记录的权重仓库包括 `liguang0115/vmem`、`liguang0115/cut3r`、`SagiPolaczek/stable-diffusion-2-1-base` 等。准备环境并检查本地资产：`bash scripts/inference/prepare_model_infer.sh vmem`；下载缺失的公开权重时加 `--download`。

状态：**已验证**。

<ModelRelatedRecipes modelId="vmem" locale="zh" />