世界评分（WorldScore）开源项目教程

1. 项目介绍

WorldScore 是一个统一的世界生成评价基准，用于评估生成虚拟环境的能力。它不仅关注单个场景的视频质量，还能区分模型在世界生成方面的能力，确保生成的场景能够符合特定的相机路径和运动指令。

2. 项目快速启动

环境搭建

首先，确保您的系统中已安装了 Git、Python 和 Conda。然后，按照以下步骤进行操作：

# 克隆仓库
git clone https://github.com/haoyi-duan/WorldScore.git
cd WorldScore

# 配置环境变量
# 在项目根目录下创建一个 .env 文件，并填入以下内容：
WORLDSCORE_PATH=/path/to/worldscore
MODEL_PATH=/path/to/model
DATA_PATH=/path/to/dataset

# 导出环境变量
export $(grep -v '^#' .env | xargs)

依赖安装

在项目根目录下，创建并激活一个新的 Conda 环境，并安装必要的依赖：

# 创建环境
conda create -n world_gen python=3.10
# 激活环境
conda activate world_gen
# 安装依赖
pip install -e .

数据集下载

使用以下命令下载 WorldScore 数据集：

python download.py

确保 .env 文件中的 DATA_PATH 已经正确设置。

视频生成

在 config/model_configs 目录下创建一个模型配置文件 model_name.yaml，并在 worldscore/benchmark/utils/modeltype.py 中注册您的模型。然后，实现模型类 model_name.py 并运行以下命令生成视频：

# 单GPU生成
python world_generators/generate_videos.py --model-name <model_name>

# 多GPU生成（使用 Slurm）
python world_generators/generate_videos.py --model_name <model_name> --use_slurm True --num_jobs <num_gpu> --slurm_partition <your_partition>

3. 应用案例和最佳实践

• 案例1：使用 WorldScore 评估室内场景生成模型，确保生成的场景能够适应相机移动和视角变化。
• 最佳实践：在设计模型时，考虑场景的连贯性和动态变化，以及如何通过相机运动来引导场景生成。

4. 典型生态项目

• 项目1：3D 场景生成模型，如 "wonderjourney"。
• 项目2：4D 场景生成模型，如 "4dfy"。
• 项目3：视频生成模型，如 "cogvideox_5b_i2v"。

以上是 WorldScore 开源项目的简要教程，希望对您的学习和实践有所帮助。