OmniWorld

用多模态4D数据，训练能理解空间动态的世界模型

OmniWorld 是一个面向 4D 世界建模的多领域、多模态数据集，由 ICLR 2026 论文提出。它旨在解决当前视频生成和世界模型研究中数据单一、缺乏空间动态和交互信息的问题。该数据集整合了真实采集与合成生成的数据，覆盖多种场景和模态，支持 4D 重建、空间智能、视频生成等任务。核心能力包括提供高保真的动态场景数据，包含相机轨迹、物体运动、深度和语义信息，为训练能够理解物理世界规律和空间关系的模型提供基础。项目处于早期阶段，代码和工具链正在完善中。

开源 free 视频生成
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 498
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yangzhou24
所属国家
官网地址https://yangzhou24.github.io/OmniWorld
GitHubhttps://github.com/yangzhou24/OmniWorld
定价模式free
价格说明开源数据集，提供在线项目页面展示，数据免费获取，无付费版本。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型4d-reconstruction,real-dataset,spatial-intelligence,synthetic-data,video-generation,world-model
GitHub 星标★ 498
30天Star增速
HF 下载量
上线时间2025-09-15 00:00:00
最近更新2026-09-14 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4

使用教程

核心亮点

  • 多领域覆盖，数据多样性高，避免单一场景过拟合
  • 真实+合成数据结合，兼顾真实性与可控性
  • 支持4D重建、视频生成、空间智能多任务，扩展性强

不足之处

  • 项目处于早期，文档和工具链尚不完善
  • 数据集规模与基准评测结果未公开，实际效果待验证

适用场景

  • 训练视频生成模型，提升动态场景一致性
  • 研究4D场景重建与空间智能
  • 开发自动驾驶或机器人仿真环境

替代项目

Objaverse-XL、ScanNet++、Dynamic Replica

项目介绍

OmniWorld 是数据集领域的开源项目，由 yangzhou24 开发，2025 年首次发布。

它收录于数据集分类，该分类目前共有 279 个项目，GitHub 星标数为 498。

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 2026-09-14。开源数据集，提供在线项目页面展示，数据免费获取，无付费版本。从国内网络环境看，可直接访问。

它主要面向的使用场景是：训练视频生成模型，提升动态场景一致性。同类可对比的替代方案包括 Objaverse-XL、ScanNet++、Dynamic Replica。

上一篇：SpatialVID

下一篇：MicroLens

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10528 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1645 2026-09-20
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3398 2026-08-10
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09