WorldFoundry
English中文

WorldCam

WorldCam

WorldCam（KAIST / Adobe Research / MAUM AI）：世界模型、相机控制；已验证。

编辑此页GitHubMarkdown

WorldCam 由 KAIST CV Lab 联合 Adobe Research 与 MAUM AI 发布，是支持相机位姿控制的交互式世界模型，面向长时程游戏视频。本 catalog 中集成状态为 verified：运行时代码已内置树内，wrapper 支持 load_model=False 规划、无外部 checkout 依赖，runner 支持统一环境 profile 下官方风格的条件视频 demo。

论文官方 Teaser：WorldCam 的交互世界模型论文配图。
论文官方 Teaser：WorldCam 的交互世界模型论文配图。

记录论文为arXiv 2603.16871。

项目页：cvlab-kaist.github.io/WorldCam。代码：cvlab-kaist/WorldCam。

构建运行命令

推理 Pipeline
WorldCamPipelineworldfoundry.pipelines.worldcam.pipeline_worldcam
任务Interactive Video interactive-video
环境worldfoundry-unified-cu128
设备CUDA 12.8
Runnerworldfoundry.pipeline
加载方式from_pretrained
调用方式native_or_standard_invocation
worldfoundry-eval run \
  worldcam \
  --pipeline.task-profile interactive-video \
  --pipeline.input-path VALUE \
  --json

用来做什么

用 worldcam 做相机条件视频推理。配方绑定了已记录的相机控制 profile。

树内 runner 遵循官方条件视频路径，使用本地 WorldCam/Wan 资产，表明其为基于 Wan 的扩散骨干加相机位姿条件。除此之外的架构内部细节仓库未记录。该模型由KAIST（韩国科学技术院）/ Adobe Research / MAUM AI发布。

catalog 记录的任务包括 世界模型、相机控制。

记录的评测入口包括CameraBench（相机位姿控制的滚动生成跟随度）、WorldModelBench（长时程交互世界质量）。

运行时契约

必填 input_path；可选 prompt、negative_prompt、fps、height、width；产物 worldcam.mp4。

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

系列状态：已验证。

interactive-video 记录默认值：fps=30, height=480, width=832, seed=0。

该发布为 code-only（无已确认的官方 checkpoint），需自行就位本地 WorldCam/Wan 资产； wrapper 的 load_model=False 模式可在无权重时验证规划。

在 WorldFoundry 中运行

catalog 启动命令是 worldfoundry-eval run worldcam --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 worldcam/worldcam、Wan-AI/Wan2.1-T2V-1.3B。准备环境并检查本地资产：bash scripts/inference/prepare_model_infer.sh worldcam；下载缺失的公开权重时加 --download。

状态：已验证。