4Director 用完整网格与逐帧刚体变换控制视频世界模型,在相机与物体控制上超过四个基线
4Director 提出一种以显式 4D 场景表示为条件的视频世界模型:每个物体从输入图像一次性重建为完整规范网格,并由每帧一个刚体变换驱动,场景渲染为深度视频后经 Motion Adapter 注入预训练视频生成器以补足外观、光照与非刚体动态;作者用自动流程在 RealCOD-25K 上构建了含 20,774 个片段的 RealCOD-Rigid 数据集,并提出 Identity-Gated IoU(IG-IoU)指标,实验显示其在视觉质量、相机控制与物体控制上均优于 MotionCtrl、Perception-as-Control、SymphoMotion 与 VerseCrafter 四个基线。