WorldScore 项目启动与配置教程
2025-05-19 08:44:29作者:韦蓉瑛
1. 项目目录结构及介绍
WorldScore 项目目录结构如下:
WorldScore/
├── assets/
├── config/
│ ├── model_configs/
│ └── utils/
├── notebooks/
├── requirements/
├── thirdparty/
│ ├── DROID-SLAM/
│ ├── Grounded-Segment-Anything/
│ └── sam2/
├── world_generators/
│ ├──_configs/
│ └── generate_videos.py
├── worldscore/
│ ├── analysis/
│ ├── benchmark/
│ │ ├── datasets/
│ │ ├── evaluation/
│ │ ├── utils/
│ │ └── visuals/
│ └── metrics/
├── .gitignore
├── .gitmodules
├── LICENSE
├── MANIFEST.in
├── README.md
├── download.py
├── pylintrc
├── ruff.toml
├── setup.py
└── ...
各目录及文件功能说明:
assets/: 存储项目所需的资源文件。config/: 包含模型配置文件及工具类。notebooks/: Jupyter 笔记本文件,用于数据分析与可视化。requirements/: 存储项目依赖的 Python 包列表。thirdparty/: 存储第三方库的源代码。world_generators/: 包含用于生成视频的模型类和配置文件。worldscore/: 包含项目的核心代码,如分析工具、评估方法、指标计算等。.gitignore: 指定 Git 忽略的文件和目录。.gitmodules: 定义 Git 子模块。LICENSE: 项目的开源许可证文件。MANIFEST.in: 指定打包时包含的文件。README.md: 项目的说明文件。download.py: 用于下载项目所需数据的脚本。pylintrc: Python 代码风格配置文件。ruff.toml: 另一个 Python 代码风格配置文件。setup.py: 用于构建和打包 Python 包的脚本。
2. 项目的启动文件介绍
项目的启动主要是通过 world_generators/generate_videos.py 脚本实现的。该脚本负责调用配置好的模型类生成视频。
启动命令如下:
python world_generators/generate_videos.py --model-name <model_name>
其中 <model_name> 是用户自定义的模型名称。
3. 项目的配置文件介绍
项目的配置文件主要包括以下两部分:
模型配置文件
模型配置文件位于 config/model_configs/ 目录下,每个模型都有一个对应的 YAML 文件,例如 model_name.yaml。该文件包含了模型的初始化参数和生成视频所需的配置。
一个典型的模型配置文件如下:
_target_: world_generators.<model_name>.<model_name>
model_name: <model_name>
generation_type: i2v
frames: <frames>
fps: <fps>
# 其他模型特定的参数
环境配置文件
环境配置文件为 .env 文件,位于项目根目录。该文件定义了项目运行所需的环境变量,如项目路径、模型路径和数据集路径等。
一个典型的环境配置文件如下:
WORLDSCORE_PATH=/path/to/worldscore
MODEL_PATH=/path/to/model
DATA_PATH=/path/to/dataset
在运行项目之前,需要创建 .env 文件,并正确设置环境变量。然后,在新的终端会话中导出这些变量:
export $(grep -v '^#' .env | xargs)
以上是 WorldScore 项目的启动和配置文档。按照以上步骤操作,您可以顺利地启动并运行该项目。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
项目优选
收起
暂无描述
Dockerfile
710
4.51 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
578
99
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
deepin linux kernel
C
28
16
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
573
694
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.43 K
116
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
414
339
暂无简介
Dart
952
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2