Wonder提出一种可实时交互、可控摄像机的视频世界模型：用户可从图像或条件视频出发，在生成世界中移动、探索未知区域并回访已见场景。系统结合稠密坐标场摄像机条件、稀疏注意力记忆和改进的自强制蒸馏，在16 FPS下支持分钟级长时生成，并保持几何、外观与动态一致性。
最近 24 小时暂无可用热度快照。