WorldLens

给自动驾驶世界模型做全科体检，从生成到重建一测到底

WorldLens 是一个面向自动驾驶世界模型的全面评测框架，由 CVPR 2026 Oral 论文提出。它旨在解决当前驾驶世界模型评估标准单一、缺乏真实世界关联的问题，提供了从 3D/4D 场景重建、LiDAR 点云生成到占用网格预测的全谱系评测能力。核心能力包括：基于真实驾驶数据构建多维度评测基准，覆盖视觉生成质量、几何一致性、时序动态以及人类偏好对齐；支持对生成场景进行重建与占用预测，量化模型在真实世界中的可用性。项目提供标准化评测协议与工具链，帮助研究者客观比较不同世界模型的性能，推动自动驾驶仿真与生成技术落地。

开源 free 视频生成

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 253

维护状态低维护

是否开源是

定价模式 free

项目数据

分类视频生成

开发团队worldbench

所属国家

官网地址https://worldbench.github.io/worldlens

GitHubhttps://github.com/worldbench/WorldLens

定价模式free

价格说明开源项目，Apache-2.0 许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型3d,4d,aigc,aigc3d,autonomous-driving,generation,generative-ai,human-preferences,lidar,occupancy,reconstruction,scene-understanding,spatial-intelligence,video-generation,world-model

GitHub 星标★ 253

30天Star增速

HF 下载量

上线时间2025-11-24 00:00:00

最近更新2026-09-19 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数2

使用教程

核心亮点

首个覆盖3D/4D重建、LiDAR、占用预测的全谱系评测基准，直击行业评估空白
引入人类偏好对齐指标，量化生成场景的逼真度与可用性，超越传统像素级指标
基于真实驾驶数据构建，评测结果直接关联实际道路场景，实用性强

不足之处

项目处于早期，文档和社区支持尚不完善，上手需参考论文
评测框架依赖特定数据格式与标注，迁移到自有数据集成本较高

适用场景

自动驾驶公司评估世界模型在仿真场景中的真实感与安全性
高校实验室对比不同生成模型（如视频生成、LiDAR模拟）的优劣
标准制定机构建立驾驶世界模型行业评测规范

替代项目

NuScenes、CARLA、DriveBench

项目介绍

WorldLens 是评测安全领域的开源项目，由 worldbench 开发，2025 年首次发布。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 253。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-19。Apache-2.0 许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：自动驾驶公司评估世界模型在仿真场景中的真实感与安全性。同类可对比的替代方案包括 NuScenes、CARLA、DriveBench。

上一篇：Awesome-Video-Reasoning-Landscape

下一篇：common_metrics_on_video_quality