WorldDirector：构建具有持久动态记忆的可控世界模拟器

本文提出 WorldDirector，一种专为持久动态对象记忆和无限制视角探索设计的高度可控视频世界模型框架。与现有将物理动力学与像素渲染纠缠、依赖连续视觉观察维持运动的模型不同，该框架显式解耦语义运动编排与视觉生成。通过利用大语言模型协调三维轨迹与相机运动，并将其作为视频生成的控制信号，该方法确保了严格的物理逻辑和外观稳定性，成功在动态实体长时间离开场景后重新进入时保留其精确视觉身份。实验表明，该方法支持合成复杂且extended的事件，具备前所未有的可控性和持久动态对象记忆能力。