**BirdDreams：联合视角与鸟瞰图视频生成，打造可预测的自动驾驶世界模型**

_BirdDreams: Joint Perspective and BEV Video Generation for a Plausible, Reactive Driving World Model_

> BirdDreams 是一种自回归自动驾驶世界模型，通过联合生成视角视频和鸟瞰图（BEV）视频，解决了仅凭视角视频难以模拟周围车辆运动的难题。该模型利用 BEV 提供精确的几何布局控制，同时保留视角视频中的外观细节，并通过双向注意力机制实现两者协同生成。在无需高清地图或车辆状态输入的情况下，BirdDreams 能更准确地预测自车轨迹并生成逼真的周围车辆行为，在 PhysicalAI-AV 和 nuScenes 数据集上均优于现有方法。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-13 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.14815)