4Director：用刚性 3D 几何控制视频世界模型

4Director 是一个以显式 4D 场景表示为条件的视频世界模型，将每个物体从输入图像重建为规范网格，并按每帧一个刚性变换驱动其运动。它把受控场景渲染为深度视频，再通过 Motion Adapter 合成视角一致的外观、光照与非刚性动态。团队构建了含 20,774 个片段的 RealCOD-Rigid 数据集，并提出 IG-IoU 指标，实验显示其在视觉质量与相机、物体控制上均优于此前方法。