LivingWorld：具有环境动力学的交互式4D世界生成
计算机视觉与模式识别
2026-04-03 v1
摘要
我们提出了 LivingWorld，一个用于从单张图像生成带有环境动力学的4D世界的交互式框架。虽然近期在3D场景生成方面取得了进展，使大规模环境创建成为可能，但大多数方法主要关注重建静态几何，导致场景规模的环境动力学（如云、水或烟）基本未被探索。建模此类动力学具有挑战性，因为运动必须在扩大的场景中保持一致，同时支持低延迟的用户反馈。LivingWorld 通过逐步构建全球一致的运动场来解决此挑战。为在扩展过程中维持全局一致性，我们引入了几何感知对齐模块，以解决视图之间的方向和尺度歧义。我们进一步采用紧凑的基于哈希的运动场表示，实现对动力学的高效查询和稳定传递，从而支持渲染中的双向运动传播，无需依赖高成本的基于视频的细化，即可生成持久且时序一致的4D序列。在单张 RTX 5090 GPU 上，生成每个新的场景扩展步骤仅需 9 秒，随后 3 秒完成运动对齐和运动场更新，实现了具有全球一致环境动力学的交互式4D世界生成。视频演示可访问 cvsp-lab.github.io/LivingWorld。
引用
@article{arxiv.2604.01641,
title = {LivingWorld: Interactive 4D World Generation with Environmental Dynamics},
author = {Hyeongju Mun and In-Hwan Jin and Sohyeong Kim and Kyeongbo Kong},
journal= {arXiv preprint arXiv:2604.01641},
year = {2026}
}