一张静态3D场景即可生成任意视角的动态世界！NYCU联合Alaya Lab开源OuroWorld，单张4090可跑。

输入任意来源的静态3DGS场景，输出一个任意视角可看、动态多样、循环无缝的3D cinemagraph。不需要手动遮罩，运动和光照都会动，单张RTX 4090跑完全管线。代码MIT开源，39个论文场景数据已挂Hugging Face。

3D世界模型（HY-World 2.0、Marble、Lyra 2.0）生成的世界照片级真实，但时间是冻结的——你能绕着它走，却看不到烟升起来、水波动。

NYCU 联合 Alaya Lab 推出 OuroWorld：VLM先推断场景里合理的动态并指挥视频模型生成一段参考视频，VGGT-Ω 把它抬升成动态点云再补全成多视角视频，最后用Inconsistency-Robust Periodic 4DGS把这些不完美的监督拟合成4D表示——Fourier参数化的周期形变场让循环在数学上严格成立，锚定在参考视角的Grounded Drift Field吸收跨视角不一致、推理时直接丢弃。在39个重建与生成场景上，OuroWorld是能力表五项（免遮罩、真3D、数学循环、多样运动、光照变化）全部满足的唯一方法；30人两选一用户研究里，偏好率70.8%到99.0%。

unsetunset相关链接unsetunset

• 论文：https://arxiv.org/abs/2610.12461
• 代码：https://github.com/youzhe0305/OuroWorld
• 主页：https://ouroworld.userwei.com
• 数据集：https://huggingface.co/datasets/YouZhe/OuroWorld-dataset

unsetunset内容介绍unsetunset

视觉语言模型推断场景的合理动态，并引导视频模型从一个视角生成循环的参考视频。该视频被提升到 3D 空间，并通过视频修复模型 补全成多视角视频。由于这些监督信息并不完美，我们采用了一种不一致性鲁棒的周期性 4DGS 模型：傅里叶级数形变场 P通过构造使场景循环（t = T 时精确地返回到 t = 0），而锚定在参考视角的接地漂移场 Δ则吸收了跨视角的不一致性，并在渲染时被丢弃。

static 3DGS ──► scene package ──► reference video ──► multi-view videos ──► periodic 4DGS ──► loop videos
 (App. A)        pivot + reference   GPT-5.5 + Seedance   VGGT-Ω + Trajectory-   P + grounded Δ    static / orbit
                 view                2.0 (§3.1)           Crafter (§4.1)         + SVCO (§4.2)     (§4.3)

与已有3D cinemagraph方法相比，核心特点有三个：

1. 完全免遮罩：以前的方法要用户手画2D/3D运动掩码、指定哪里该动，OuroWorld由VLM自己推断该动什么、怎么动。
2. 不挑运动类型：老方法基于Eulerian流场，基本只能做流体；OuroWorld能处理一般形变、物体运动和光照变化——窗帘摆动、雾气飘移、水面反光都行。
3. 循环是数学保证的：不是"看起来接上了"，而是形变场以T为周期，t=T时刻严格回到t=0，接缝处有MALF和Seam SSIM两个指标专门盯着。

适用场景：给3D世界模型或3DGS重建的场景加动态展示、做数字孪生的"活场景"、游戏和虚拟空间的氛围动画。

unsetunset方法概述unsetunset

三段式管线：参考视频生成、多视角视频生成、Inconsistency-Robust Periodic 4DGS。一套机制管"动起来"，一套机制管"动得对"。

1. 参考视频生成：让VLM当导演

管线第一步：从输入3DGS选一个参考视角，VLM（GPT-5.5）推断场景中合理的动态并写出生成提示，视频模型（Seedance 2.0）据此合成一段近似循环的参考视频。这一步是唯一调用付费API的环节，约6分钟；开源的Wan 2.2可以作为替代后端（frame_count=73）。发布数据里带了论文用过的prompt和视频，复现论文场景不用花钱。

2. 多视角视频生成：从一条视频到一个世界

VGGT-Ω（1B，权重在HF上需申请）把参考视频抬升成动态点云，用静态多视角渲染改善深度；再把点云从周围N个视角渲染成带空洞的不完整视频，由视频修补模型（TrajectoryCrafter）补全。这一步约70分钟，是整条管线最耗时的一段。

3. Inconsistency-Robust Periodic 4DGS：在矛盾的老师身上学到一致的运动

生成的多视角视频彼此矛盾，直接拟合会糊。OuroWorld的表示是规范3DGS加两个场：Fourier参数化的周期形变场P保证循环（构造性质）；Grounded Drift Field Δ只在非参考视角上生效，专门吸收跨视角不一致，推理时丢弃——因为参考视角上没有漂移，形变场必须自己复现参考视角的动态，这正是"既保真又保动"的关键。消融显示：去掉漂移场，场景随时间模糊、细节消失；漂移场不锚定，动态被漂移吸走，运动幅度掉到最低；去掉场景-视角一致优化（SVCO），清晰度VoL在orbit相机下掉22%。

unsetunset实验结果unsetunset

能力对比（Table 1）

原生循环周期：OuroWorld为10秒，四个基线在0.5到2.4秒之间——前者的动态幅度和后者不在一个量级。

三行分别是HY-World 2.0、Marble、Lyra 2.0来源的场景：静态3DGS进，任意视角无限循环出。绿框是动态显著的区域：火山冒烟、星系散尘、海船起伏。

用户研究（30人，两选一强制选择）

在四个准则上与四个基线逐一对比，OuroWorld的偏好率70.8%到99.0%，Vividness（生动度）维度优势最大。

消融（orbit相机）

去掉Grounding后orbit Vividness从0.5117降到0.5080（全场最低）；去掉SVCO后subject consistency与VoL最差。完整模型在全部orbit指标上最优。

同一场景三种训练方式对比：无漂移场（糊）、普通漂移场（动被吸走）、锚定漂移场（本方法）。

unsetunset局限与未来方向unsetunset

首先，所有指标都是自建的无参考评测口径：KVD的"自然度"参照分布是用MiniMax-H3按每场景20个种子生成的视频——本质上是跟另一个生成模型的分布比，不是跟真实视频比。

其次，新场景要跑通管线需要付费API（GPT-5.5写动态提示、Seedance 2.0生成参考视频），Wan 2.2开源替代的效果论文没有单独给数。 此外，输入3DGS场景本体不随库分发——三个世界模型的许可不允许转分发，只放了相机、枢轴点和参考渲染，要自己去原来源拿。

最后，代码MIT，但third_party与模型权重各有许可且多个非商用，整条管线只能用于非商用研究；55GB的权重下载也是一道门槛。

unsetunset结论unsetunset

OuroWorld补上了3D世界模型链条里缺的一环：生成静态世界的能力已经够了，让世界"活"起来这件事，现在有了一个免遮罩、可循环、任意视角的方案。

对于玩3D世界模型的读者，拿公开画廊的场景复现最快，发布数据自带prompt和参考视频；对于做数字孪生或虚拟空间的读者，注意参考视频环节的API成本和许可边界。风险提示：整条管线非商用，输入场景本体要自行解决版权。

3D内容生成正在从"造一个世界"走向"造一个活着的世界"，这一步跨过去的标志，是循环接缝处再也挑不出毛病。