李飞飞团队主导的世界模型评测榜单迎来新变动，由兔展智能联合北京大学、鹏城实验室研发的UniWorld-View模型成功登顶。该模型突破传统技术框架，实现单张图片或视频生成任意视角新内容的功能，并完成国产昇腾算力适配，相关代码与模型权重已全面开源。
在技术实现层面，研究团队针对"大基线视角合成"这一核心难题提出创新方案。传统方法在处理正脸到后脑勺这类极端视角转换时，往往因几何信息缺失导致画面扭曲或伪影。UniWorld-View通过"遮挡感知点云渲染"技术，采用双重投影算法精准识别遮挡区域，结合法向过滤机制剔除无效点云，使渲染图几何结构误差降低72%。实验数据显示，在动态场景测试中，模型生成的360度环绕视频质量评分较前代方法提升41%。
该模型采用独特的双分支架构设计，将几何控制与内容生成解耦。几何流分支通过编码渲染图与遮挡掩码，确保空间结构准确性；外观流分支引入Ref-DiT模块，以新视角特征为引导，从原始视频中智能提取匹配素材。这种分工机制使模型既能保持目标物体形态，又能复现原始视频的纹理细节，在人物面部合成测试中实现98.7%的相似度匹配。
在4D场景重建领域，研究团队提出时空解耦生成策略。模型首先冻结时间维度生成静态环绕视图作为空间锚点，再通过多机位同步生成动态序列。这种分阶段处理方式使4D重建效率提升3倍，在动态场景测试中，重建精度达到0.89毫米级，较传统方法提升58%。生成的4D场景支持实时交互漫游，已在数字孪生、影视制作等领域开展应用测试。
技术溯源显示，该成果依托兔展智能长期积累的视觉大模型研发能力。作为国内视觉AI领域代表企业，其2025年发布的UniWorld-V2模型已率先实现理解与生成架构统一，较国际同类产品NanoBanana提前3个月完成技术突破。2026年推出的V2.5版本在图文交错生成、复杂文字处理等场景达到GPT-Image-2同等水平，代码引用量位居全球开源项目前列。
据研发团队介绍，UniWorld-View的训练数据来自北京大学系初创企业元空智能提供的多模态数据集，包含超过200万组动态场景样本。当前模型已支持1080P分辨率实时生成，在消费级显卡上可达15FPS处理速度。研究团队正与多家影视制作公司合作，探索将该技术应用于虚拟制片流程，预计可减少60%的外景拍摄成本。
