兔展智能联合北大、鹏城实验室研发的UniWorld-View登顶李飞飞团队世界模型榜单

李飞飞团队的世界模型榜单刚刚换了新榜首。登顶的是兔展智能联合北京大学、鹏城实验室研发的UniWorld-View模型，该模型已适配国产昇腾算力，代码和权重已全部开源。

UniWorld-View的核心能力是新视角合成（Novel View Synthesis），即让AI根据单张图片或单目视频自动"脑补"出未拍摄角度的画面。用户随手拍摄一段视频或仅提供一张图片，即可生成可自由指定相机轨迹的新视角视频——推、拉、摇、移，甚至绕场景360°旋转均可实现，提供精确的相机位姿控制。

传统方法如NeRF和3DGS走的是"重建"路线，依赖多视角输入，面对覆盖极少的单目视频时容易出现空洞伪影或直接失败。而多数生成式方法仅将相机位姿作为抽象条件向量塞入扩散模型，缺乏显式3D建模，视角稍大就会出现漂移和失控。

UniWorld-View的技术创新在于其"遮挡感知点云渲染"（Occlusion-aware Point Cloud Rendering）。团队首先发现，现有方法使用的点云是一堆孤立点，缺乏连接和朝向信息，在大基线视角变换时导致前景纹理被错误拉伸或背景像素穿透。UniWorld-View通过双重投影（Double-Reprojection）识别被遮挡区域并挖掉错误信号，同时为每个点估计法向量，背向相机的点直接踢出渲染，从而为扩散模型提供干净的几何条件。

在生成阶段，UniWorld-View采用"双流条件注入"策略：一路接收点云渲染图确保位置正确，另一路接收源视频确保内容完整，让生成结果既贴合目标视角又与原始场景一致。该模型更进一步的亮点是支持"单目视频→多视角视频→4D场景"的全流程——通过任意变换机位生成多视角视频，再喂给4DGS（动态3D高斯溅射）进行优化，最终获得可自由视角漫游的4D场景。

兔展智能由北京大学校友与北大视觉领域青年领军人才联合创立，公司自主研发Open-Sora Plan、UniWorld等系列视觉AI模型，其中Open-Sora Plan是行业首个开源文生视频模型，2024年代码引用量位居全球第一，UniWorld系列则率先探索理解与生成统一架构。此前兔展智能已发布UniWorld-V2和UniWorld-V2.5，在图文交错、文字密集等场景对齐了GPT-Image-2的生成能力。

本次UniWorld-View的训练数据来自北大系初创企业元空智能，代码和权重已全部开源至GitHub。值得注意的是，该模型已适配国产昇腾算力，体现了国产AI基础设施在视觉大模型训练与推理方面的持续进步。兔展智能同时透露，公司正加速推进UniWorld大模型能力的产品化，近期将推出产模一体设计生产工具RabbitVis，推动视觉AI进入商业设计工作流。

随着世界模型赛道竞争日益激烈，UniWorld-View在榜单登顶和全栈开源的双重加持下，有望为具身智能、自动驾驶、影视制作等需要丰富三维理解的应用场景提供更强大的基础能力。