在过去两年间，城市场景生成技术实现了飞速发展，与此同时，一个全新概念 —— 世界模型（World Model）崭露头角。当下的世界模型大多借助 Video Diffusion Models（视频扩散模型）强大的生成能力，在城市场景合成领域取得了令人瞩目的成就。然而，这些方法始终面临一个关键难题：怎样在视频生成过程中确保多视角一致性？

在 3D 生成模型的范畴里，这一问题却并非难题 —— 它天生就支持多视角一致性。基于这一发现，南洋理工大学 S-Lab 的研究人员提出了一种全新框架：CityDreamer4D。它打破了现有视频生成的局限，不再仅仅是简单地 “合成画面”，而是直接对城市场景背后的运行规律进行建模，进而打造出一个真正无边界的 4D 世界。

倘若世界模型的终极目标是构建一个真实且可交互的虚拟城市，那么我们真的还需要依赖视频生成模型吗？不妨来看看 CityDreamer4D 是如何突破现有方案，构建出一个真正无边界、能自由探索的 4D 城市世界 —— 一起来欣赏它的生成效果！

若您想深入了解 CityDreamer4D 的技术细节，我们已为您准备好完整的论文、项目主页以及代码仓库！

图片

论文链接：arxiv.org

项目链接：haozhexie.com

GitHub 链接：github.com

(部分资料源于网络)

本期主播：蛋酥酥/猫猫

后期：丹尼播客制作

制作人：蛋酥酥

录制支持：KUEENDOM