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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
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
1
暂无简介
Dart
799
199
🎉 (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
1.37 K
780
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
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
349
200
Ascend Extension for PyTorch
Python
377
450
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1