# WorldScore – 斯坦福大学推出的世界生成模型统一评估基准

- Link: https://paooo.com/aigc-news/20561/
- Published: 2026-06-08T09:41:48+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 斯坦福提出 WorldScore，用统一布局规范评估世界生成模型，覆盖 3D、4D、I2V、T2V。
 * 基准从可控性、质量、动态性三维度打分，并支持多场景、长序列与相机轨迹控制。
 * WorldScore 含 3000 个测试样本，较多项现有基准更全面，适合研究与模型对比。

## WorldScore是什么

WorldScore 是斯坦福大学提出的用于世界生成模型的统一评估基准。将世界生成分解为一系列
的下一个场景生成任务，通过明确的基于相机轨迹的布局规范来实现不同方法的统一评估。
WorldScore 评估生成世界的三个关键方面：可控性、质量和动态性。基准包含精心策划的数据
集，涵盖3000个测试样本，包括静态和动态、室内和室外、逼真和风格化的多样化世界。

阅读目录

 * [WorldScore是什么](https://paooo.com/aigc-news/20561/#worldscore%e6%98%af%e4%bb%80%e4%b9%88)
 * [WorldScore的主要功能](https://paooo.com/aigc-news/20561/#worldscore%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [WorldScore的技术原理](https://paooo.com/aigc-news/20561/#worldscore%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [WorldScore的项目地址](https://paooo.com/aigc-news/20561/#worldscore%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [WorldScore的基准测试比较](https://paooo.com/aigc-news/20561/#worldscore%e7%9a%84%e5%9f%ba%e5%87%86%e6%b5%8b%e8%af%95%e6%af%94%e8%be%83)
 * [WorldScore的应用场景](https://paooo.com/aigc-news/20561/#worldscore%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![WorldScore ](https://paooo.com/wp-content/uploads/2026/06/WorldScore-website-1.
avif)

## WorldScore的主要功能

 * **统一评估框架**：WorldScore 提供了统一的评估框架，用于衡量不同世界生成模型的
   性能。将世界生成任务分解为一系列的下一个场景生成任务，通过明确的基于相机轨迹的
   布局规范来实现不同方法的统一评估。
 * **评估维度**：从可控性、质量和动态性三个关键方面对生成的世界进行评估。
 * **多场景生成**：WorldScore 是唯一支持多场景生成的基准测试，能评估模型在生成连续
   场景时的表现。
 * **统一性**：能统一评估3D、4D、图像到视频（I2V）和文本到视频（T2V）模型，提供了
   一个全面的评估框架。
 * **长序列支持**：支持生成多个场景，评估模型在长序列生成任务中的表现。
 * **图像条件**：支持基于图像的条件生成，适用于图像到视频的生成任务。
 * **多风格**：包含多种视觉风格的数据，能够评估模型在不同风格下的生成能力。
 * **相机控制**：评估模型对相机轨迹的遵循能力，确保生成的场景符合指定的相机运动。
 * **3D一致性**：评估场景在几何结构上的稳定性，确保生成的3D场景在不同视角下保持一致。

## WorldScore的技术原理

 * **多样化数据集**：WorldScore 数据集包含动态和静态配置的多媒体数据，适用于图像
   到视频和图像到3D的任务。
    - **动态配置**：包含图片、视觉运动、视觉风格、运动类型、风格、相机路径、物体
      和提示等字段。
    - **静态配置**：包含图片、视觉运动、视觉风格、场景类型、类别、风格、相机路径、
      内容列表和提示列表等字段。
 * **数据集规模**：数据集分为训练集和测试集，其中动态配置有1000个样本，静态配置有
   2000个样本。
 * **基于相机轨迹的布局规范**：通过明确的基于相机轨迹的布局规范，实现不同方法的统一
   评估。
 * **多模态数据支持**：支持多种模态的数据，包括图像、视频和3D模型，适用于多模态内容
   生成任务。

## WorldScore的项目地址

 * **项目官网**：[https://haoyi-duan.github.io/WorldScore/](https://haoyi-duan.github.io/WorldScore/?utm_source=ai-bot.cn)
 * **Github仓库**：[https://github.com/haoyi-duan/WorldScore](https://github.com/haoyi-duan/WorldScore)
 * **arXiv技术论文**：[https://arxiv.org/pdf/2504.00983](https://arxiv.org/pdf/2504.00983)
 * **HuggingFace数据集**：[https://huggingface.co/datasets/Howieeeee/WorldScore](https://huggingface.co/datasets/Howieeeee/WorldScore)

## WorldScore的基准测试比较

WorldScore 在多个方面与其他现有基准测试有所不同，以下是详细的对比：

  |  基准测试 |  示例数量 |  多场景 |  统一性 |  长序列 |  图像条件 |  多风格 |  相机控制 |  3D一致性 |  
   |  TC-Bench |  150 |  ❌ |  ❌ |  ❌ |  ✅ |  ❌ |  ❌ |  ❌ |  
 |  EvalCrafter |  700 |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  
 |  FETV |  619 |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  
 |  VBench |  800 |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  
 |  T2V-CompBench |  700 |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  
 |  Meng et al. |  160 |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  
 |  Wang et al. |  423 |  ❌ |  ❌ |  ✅ |  ❌ |  ❌ |  ❌ |  ❌ |  
 |  ChronoMagic-Bench |  1649 |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  ❌ |  
 |  WorldModelBench |  350 |  ❌ |  ❌ |  ❌ |  ✅ |  ❌ |  ❌ |  ❌ |  
 |  **WorldScore** |  **3000** |  ✅ |  ✅ |  ✅ |  ✅ |  ✅ |  ✅ |  ✅ |

## WorldScore的应用场景

 * **图像到视频生成**：通过生成高质量的视频内容，应用于视频制作、动画设计等领域。
 * **图像到3D生成**：将2D图像转换为3D模型，用于虚拟现实、增强现实和3D建模等场景。
 * **数据集支持**：数据集包含动态和静态配置的多媒体数据，适用于多种任务，帮助研究
   人员优化和改进模型。
 * **研究与开发**：WorldScore 数据集为研究人员提供了标准化的测试平台，用于开发和
   验证新的3D/4D场景生成算法。
 * **自动驾驶场景生成**：通过生成逼真的3D场景，用于自动驾驶系统的训练和测试，帮助
   提高自动驾驶系统的安全性和可靠性。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**HuggingFace ↗**

HuggingFace：AI模型开发社区，面向大语言模型场景提供便捷实用的在线功能支持，涵盖大
模型等实用方向。

❓ 常见问题解答（FAQ）

WorldScore 主要评估什么？

WorldScore 主要评估世界生成模型的三项能力：可控性、质量和动态性。它通过基于相机轨迹
的统一布局规范，把不同方法放到同一标准下比较，适用于 3D、4D、图像到视频和文本到视频
任务。

WorldScore 和其他视频基准有什么不同？

它的核心区别是支持多场景生成与统一评估，不只看单段视频效果，还能衡量连续场景、长
序列、图像条件、相机控制和 3D 一致性，因此覆盖面比多数现有基准更广。

WorldScore 适合哪些应用场景？

适合图像到视频、图像到 3D、3D/4D 场景生成、研究验证以及自动驾驶场景合成等任务。它
提供标准化测试平台，便于比较不同模型并优化生成质量与稳定性。

🔬 语宙深潜追问 · 进阶实操拆解

3D、4D、I2V、T2V该如何放进同一评测框架？

核心是把任务拆成可控性、质量、动态性三条主轴，再分别设计静态一致性、时序连贯性和
相机/动作可控指标。统一框架不等于同一分数，而是同一套任务定义下的可比性。

做长序列和相机控制时最该盯什么指标？

优先看跨帧身份一致性、运动平滑度、相机轨迹遵循率和长程漂移。单帧画质很容易掩盖问题，
真正决定可用性的往往是 30 秒后是否崩、是否偏航、是否丢对象。

🗳️ 读者观点微投票 · 您的实战立场是？

世界生成模型评测，统一基准真能终结各说各话吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🔓 所属权威专题：开源大模型与端侧推理 →](https://paooo.com/topics/open-source-llm/)

 * [WorldSense – 小红书联合上海交大推出的多模态全面评测新基准](https://paooo.com/aigc-news/22137/)
 * [上海AI Lab重磅发布MMSI-Video-Bench：评估大模型视频空间智能的终极基准](https://paooo.com/aigc-news/12636/)
 * [揭开 3D 生成工业交付遮羞布！Qwen 开源首个全流程 BlenderWorld 评测基准：双轨自动评审+2651条硬核验收，最强 Agent 达标率仅 42.2%](https://paooo.com/aigc-news/40120/)
 * [WBench – 美团推出的交互式视频世界模型多轮评测基准](https://paooo.com/aigc-news/24630/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/20561/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
