东莞网站建设公司咸阳网站建设

烟台海创特种陶瓷有限公司 2026/09/09 17:54:27

🎮 HY-World 1.5: 具有实时延迟与几何一致性的交互式世界建模系统框架

📖 简介

尽管HY-World 1.0能够生成沉浸式3D世界,但其依赖耗时的离线生成流程且缺乏实时交互能力。HY-World 1.5通过WorldPlay填补了这一空白——这是一个支持实时交互式世界建模的流式视频扩散模型,具备长期几何一致性,解决了现有方法在速度与内存之间的权衡难题。我们的模型依托四大核心设计实现突破:

  1. 双重动作表征:通过键盘鼠标输入实现鲁棒的动作控制;
  2. 重构上下文记忆:动态重组历史帧上下文,采用时序重构技术保留几何关键帧的可访问性,有效缓解记忆衰减;
  3. 世界罗盘:创新的强化学习后训练框架,直接提升长时序自回归视频模型的动作跟随性与视觉质量;
  4. 上下文强制蒸馏:专为记忆感知模型设计的新蒸馏方法,通过对齐师生模型的记忆上下文保留远程信息处理能力,在实现实时速度的同时避免误差漂移。

综合而言,HY-World 1.5能以24FPS生成具备卓越一致性的长时序流式视频,性能优于现有技术。该模型在多样化场景中展现出强大泛化能力,支持第一人称与第三人称视角,兼容写实与风格化环境,可应用于3D重建、可触发事件及无限世界扩展等多元场景。

  • 系统概览
    HY-World 1.5开源了实时世界模型的系统化训练框架,涵盖数据、训练、推理部署全流程。技术报告详细披露了模型预训练、中期训练、强化学习后训练及记忆感知蒸馏的具体实现,并介绍了一系列降低网络传输延迟与模型推理延迟的工程技术,最终为用户提供实时流式推理体验。

  • 推理流程

    给定一张图像或描述世界的文本提示,我们的模型执行下一片段(16个视频帧)预测任务,根据用户动作生成未来视频。对于每个片段的生成,我们会动态重组过去片段的上下文记忆,以确保长期的时间和几何一致性。

🔑 使用示例

我们开源了双向扩散模型和自回归扩散模型的推理代码。对于提示词改写,推荐使用Gemini或通过vLLM部署的模型。当前代码库仅支持兼容vLLM API的模型。如需使用Gemini,需自行实现接口调用。具体实现可参考HunyuanVideo-1.5项目。

推荐使用generate_custom_trajectory.py脚本生成自定义相机运动轨迹。

exportT2V_REWRITE_BASE_URL="<your_vllm_server_base_url>"exportT2V_REWRITE_MODEL_NAME="<your_model_name>"exportI2V_REWRITE_BASE_URL="<your_vllm_server_base_url>"exportI2V_REWRITE_MODEL_NAME="<your_model_name>"PROMPT='A paved pathway leads towards a stone arch bridge spanning a calm body of water. Lush green trees and foliage line the path and the far bank of the water. A traditional-style pavilion with a tiered, reddish-brown roof sits on the far shore. The water reflects the surrounding greenery and the sky. The scene is bathed in soft, natural light, creating a tranquil and serene atmosphere. The pathway is composed of large, rectangular stones, and the bridge is constructed of light gray stone. The overall composition emphasizes the peaceful and harmonious nature of the landscape.'IMAGE_PATH=./assets/img/test.png# Now we only provide the i2v model, so the path cannot be NoneSEED=1ASPECT_RATIO=16:9RESOLUTION=480p# Now we only provide the 480p modelOUTPUT_PATH=./outputs/MODEL_PATH=# Path to pretrained hunyuanvideo-1.5 modelAR_ACTION_MODEL_PATH=# Path to our HY-World 1.5 autoregressive checkpointsBI_ACTION_MODEL_PATH=# Path to our HY-World 1.5 bidirectional checkpointsAR_DISTILL_ACTION_MODEL_PATH=# Path to our HY-World 1.5 autoregressive distilled checkpointsPOSE_JSON_PATH=./assets/pose/test_forward_32_latents.json# Path to the customized camera trajectoryNUM_FRAMES=125# Configuration for faster inference# For AR inference, the maximum number recommended is 4. For bidirectional models, it can be set to 8.N_INFERENCE_GPU=4# Parallel inference GPU count.# Configuration for better qualityREWRITE=false# Enable prompt rewriting. Please ensure rewrite vLLM server is deployed and configured.ENABLE_SR=false# Enable super resolution. When the NUM_FRAMES == 121, you can set it to true# inference with bidirectional modeltorchrun --nproc_per_node=$N_INFERENCE_GPUgenerate.py--prompt"$PROMPT"--image_path$IMAGE_PATH--resolution$RESOLUTION--aspect_ratio$ASPECT_RATIO--video_length$NUM_FRAMES--seed$SEED--rewrite$REWRITE--sr$ENABLE_SR--save_pre_sr_video--pose_json_path$POSE_JSON_PATH--output_path$OUTPUT_PATH--model_path$MODEL_PATH--action_ckpt$BI_ACTION_MODEL_PATH--few_stepfalse--model_type'bi'# inference with autoregressive model#torchrun --nproc_per_node=$N_INFERENCE_GPU generate.py # --prompt "$PROMPT" # --image_path $IMAGE_PATH # --resolution $RESOLUTION # --aspect_ratio $ASPECT_RATIO # --video_length $NUM_FRAMES # --seed $SEED # --rewrite $REWRITE # --sr $ENABLE_SR --save_pre_sr_video # --pose_json_path $POSE_JSON_PATH # --output_path $OUTPUT_PATH # --model_path $MODEL_PATH # --action_ckpt $AR_ACTION_MODEL_PATH # --few_step false # --model_type 'ar'# inference with autoregressive distilled model#torchrun --nproc_per_node=$N_INFERENCE_GPU generate.py # --prompt "$PROMPT" # --image_path $IMAGE_PATH # --resolution $RESOLUTION # --aspect_ratio $ASPECT_RATIO # --video_length $NUM_FRAMES # --seed $SEED # --rewrite $REWRITE # --sr $ENABLE_SR --save_pre_sr_video # --pose_json_path $POSE_JSON_PATH # --output_path $OUTPUT_PATH # --model_path $MODEL_PATH # --action_ckpt $AR_DISTILL_ACTION_MODEL_PATH # --few_step true # --num_inference_steps 4 # --model_type 'ar'

📊 评估结果

HY-World 1.5 在多项量化指标上超越现有方法,包括不同视频时长的重建指标和人工评估结果。

ModelReal-timeShort-termLong-term
PSNRSSIMLPIPSR d i s t R_{dist}RdistT d i s t T_{dist}TdistPSNRSSIMLPIPSR d i s t R_{dist}RdistT d i s t T_{dist}Tdist
CameraCtrl17.930.5690.2980.0370.34110.090.2410.5490.7331.117
SEVA19.840.5980.3130.0470.22310.510.3010.5170.7211.893
ViewCrafter19.910.6170.3270.0290.5439.320.2710.6611.5733.051
Gen3C21.680.6350.2780.0240.47715.370.4310.4830.3570.979
VMem19.970.5870.3160.0480.21912.770.3350.5420.7481.547
Matrix-Game-2.017.260.5050.3830.2870.8439.570.2050.6312.1252.742
GameCraft21.050.6390.3410.1510.61710.090.2870.6142.4973.291
Ours (w/o Context Forcing)21.270.6690.2610.0330.15716.270.4250.4950.6110.991
Ours (full)21.920.7020.2470.0310.12118.940.5850.3710.3320.797

🎬 更多示例

https://github.com/user-attachments/assets/6aac8ad7-3c64-4342-887f-53b7100452ed

https://github.com/user-attachments/assets/531bf0ad-1fca-4d76-bb65-84701368926d

https://github.com/user-attachments/assets/f165f409-5a74-4e19-a32c-fc98d92259e1

📚 引用

@article{hyworld2025, title={HY-World 1.5: A Systematic Framework for Interactive World Modeling with Real-Time Latency and Geometric Consistency}, author={Team HunyuanWorld}, journal={arXiv preprint}, year={2025} } @article{worldplay2025, title={WorldPlay: Towards Long-Term Geometric Consistency for Real-Time Interactive World Model}, author={Wenqiang Sun and Haiyu Zhang and Haoyuan Wang and Junta Wu and Zehan Wang and Zhenwei Wang and Yunhong Wang and Jun Zhang and Tengfei Wang and Chunchao Guo}, year={2025}, journal={arXiv preprint} } @inproceedings{wang2025compass, title={WorldCompass: Reinforcement Learning for Long-Horizon World Models}, author={Zehan Wang and Tengfei Wang and Haiyu Zhang and Wenqiang Sun and Junta Wu and Haoyuan Wang and Zhenwei Wang and Hengshuang Zhao and Chunchao Guo and Zhou Zhao}, journal = {arXiv preprint}, year = 2025 }

🙏 致谢

我们要感谢 HunyuanWorld、HunyuanWorld-Mirror、HunyuanVideo 和 FastVideo 的杰出贡献。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈,一经查实,立即删除!

沈阳网站建设安徽网站建设

AI音乐分离神器SpleeterGui:5分钟从入门到精通【免费下载链接】SpleeterGuiWindows desktop front end for Spleeter - AI s

2026/06/30 12:38:32

网站建设制作市网站建设

YOLO目标检测精度提升秘籍:除了模型还要看算力在智能制造工厂的质检线上,摄像头以每秒30帧的速度捕捉产品图像,系统必须在33毫秒内完成缺陷识别并触发剔除动作

2026/06/30 11:38:56

南宁网站建设律师网站建设

Prompt工程指导如何写出适合IndexTTS2发挥的文本在虚拟主播直播带货时突然“情绪崩盘”,用机械腔调念出“亲爱的家人们,我太感动了”;或是有声书朗读到

2026/06/30 10:09:48

银川网站建设宝山网站建设

英语学习口语模仿新范式:IndexTTS 2.0 如何实现英式美式发音自由切换在语言学习领域,听与说是掌握一门语言的核心。然而,大多数英语学习者面临的现实困境

2026/06/30 11:06:54

湘潭网站建设wap网站建设

大文件传输系统建设方案一、需求痛点与解决方案作为公司技术负责人,针对当前大文件传输需求面临的开源组件不可靠、授权成本高、跨平台兼容性差三大核心问题,提出以下技术方案

2026/06/30 12:01:29

品牌网站建设青岛网站建设哪家好

突破限制:一键解决Cursor Pro额度与机器码绑定难题【免费下载链接】cursor-free-everyday完全免费, 自动获取新账号,一键重置新额度, 解决机器码问题, 自动满额

2026/06/30 14:20:10

杭州营销型网站建设寿光网站建设

在无人机技术快速发展的今天,固件版本管理已成为每位飞手必须面对的关键挑战。厂商策略限制下,如何实现固件自由选择权?DankDroneDownloader提供了

2026/06/30 11:17:54

网站建设总结建设官方网站

系列文章目录文章目录系列文章目录前言一、堆排序定义二、时间复杂度三、实现思路a.注意(升/降)四、topk问题前言常见的基本排序算法有冒泡、选择、插入,但效率

2026/06/30 11:56:29

北京高端网站建设湖州网站建设

前言手眼标定是机器人视觉领域的关键技术,它解决了机械臂与相机之间的坐标转换问题,为精准抓取、视觉伺服等应用奠定基础。上一篇博客中我们讲解了手眼标定的概念以及原理࿰

2026/06/30 12:25:01

免费网站建设贵州省建设厅网站

魔兽争霸3现代化适配指南:让经典游戏在新系统上重生【免费下载链接】WarcraftHelperWarcraft III Helper , support 1.20e, 1.24e, 1.

2026/06/30 10:45:52