WorldWander：在视频生成中桥接偶然视角与外显视角
计算机视觉与模式识别
2025-12-01 v1
摘要
视频扩散模型最近在真实性和可控性方面取得了显著进展。然而，在实现不同视角（如第一人称(偶然)和第三人称(外显)）之间的无缝视频翻译方面，仍未得到充分探索。跨视角桥接对于电影制作、具身 AI 和世界模型至关重要。致力于此目标，我们提出 WorldWander，这是一个针对视频生成中偶然视角与外显视角翻译的上下文学习框架。基于先进的视频扩散变换器构建，WorldWander 集成了 (i) 上下文视角对齐 和 (ii) 协作位置编码，以高效建模跨视图同步。为进一步支持本任务，我们策划了 EgoExo-8K 数据集，包含来自合成和真实场景的同步偶然-外显三元组。实验表明，WorldWander 在视角同步、人物一致性和泛化能力方面均取得优异性能，为偶然-外显视频翻译树立了新基准。
引用
@article{arxiv.2511.22098,
title = {WorldWander: Bridging Egocentric and Exocentric Worlds in Video Generation},
author = {Quanjian Song and Yiren Song and Kelly Peng and Yuan Gao and Mike Zheng Shou},
journal= {arXiv preprint arXiv:2511.22098},
year = {2025}
}