फुडान और मे�イトुआन लॉन्गकैट ओपन-सोर्स इंटरैक्टिव वर्ल्ड मॉडल बेंचमार्क WBench

ME AI का संदेश, डोंगचा बीटिंग द्वारा मॉनिटर किए जाने पर, फुडान विश्वविद्यालय और मेइटुआन Longcat टीम ने इंटरैक्टिव वर्ल्ड मॉडल बेंचमार्क WBench को ओपन सोर्स किया है, जो वीडियो जनरेशन की भौतिक नियमों, स्थान-कालिक समानता और इंटरैक्शन कंट्रोल की नींव के मॉडलिंग क्षमता का मूल्यांकन करता है। बेंचमार्क में 289 परीक्षण मामले और 1058 इंटरैक्शन शामिल हैं, जो प्रथम और तृतीय पुरुष दृष्टिकोण को कवर करते हैं, और नेविगेशन कंट्रोल, प्रमुख गतिविधियाँ, घटना संपादन और दृष्टिकोण परिवर्तन को एकीकृत करते हैं। WBench टेक्स्ट निर्देशों, 6-स्वतंत्रता अवस्था और असतत क्रियाओं के इंटरफ़ेस को समेकित करता है, जिससे विभिन्न कंट्रोल पैटर्न की तुलना संभव होती है। मूल्यांकन प्रणाली में 22 स्वचालित सूचकांक शामिल हैं, जिनके स्कोर परिणामों का मानव अंधा परीक्षण की विजय प्रायिकता के साथ Spearman क्रम सहसंबंध 0.94 से अधिक है। परीक्षणों से पता चलता है कि संतृप्ति की ओर बढ़ते वीडियो गुणवत्ता के मुकाबले, इंटरैक्शन कंट्रोल और मॉडल की रेंडरिंग, समानता और भौतिक स्तर लगभग स्वतंत्र हैं। कैमरा गति कंट्रोल सुनिश्चित नहीं करता कि प्रमुख समानता बनी रहे; उदाहरण के लिए, HY-World 1.5 और Matrix-Game 3.0, जो पहले पुरुष दृष्टिकोण में उत्कृष्ट नेविगेशन प्रदर्शन करते हैं, तृतीय पुरुष दृष्टिकोण में प्रमुख पहचान का नुकसान और दृष्टिकोण सरकने की समस्या का सामना करते हैं। साथ ही, भौतिक सही प्रदर्शन और रेंडरिंग गुणवत्ता में मजबूत सकारात्मक सहसंबंध है, लेकिन कंट्रोल क्षमता के साथ लगभग शून्य सहसंबंध है। ओपन-सोर्स वर्ल्ड मॉडल कई मापदंडों में अग्रणी हैं: HY-World 1.5 को नेविगेशन कंट्रोल में सर्वोच्च स्कोर मिला, LingBot-World समानता में पहले स्थान पर है, और Matrix-Game 3.0 क्रिया-नेविगेशन में पहले स्थान पर है। बहु-चक्रीय इंटरैक्शन से पता चलता है कि सभी मॉडलों का प्रदर्शन चक्रों की संख्या के साथ कमजोर होता है, और नेविगेशन कंट्रोल सबसे तेज़ी से स्थानीय प्रवृत्ति के संचयी विचलन के कारण कमजोर होता है। स्पष्ट ज्यामितीय कंट्रोल प्रभावी रूप से सरकने को कम कर सकता है; उदाहरण के लिए, HY-World 1.5 की बहु-चक्रीय स्थिरता, पाठ-संचालित Kling 3.0 से कहीं अधिक है। प्रदर्शन में प्रदर्शन-गति-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस्था-अवस্তা—प्रथम पुरुष, स্টेटिक सीन, and rigid robot agents are easy to pass, while dynamic motion and non-rigid subjects like animals remain long-term industry challenges due to deformation and velocity complexity. (Source: BlockBeats)