[논문리뷰] WorldMark: A Unified Benchmark Suite for Interactive Video World Models

링크: 논문 PDF로 바로 열기

메타데이터

저자: Xiaofeng Mao, Yukang Feng, Kang He, Zhengyuan Lin, Xiaojie Xu, et al.

## 1. Key Terms & Definitions (핵심 용어 및 정의)

• Interactive World Models: 사용자의 액션(WASD 등)에 실시간으로 반응하며 물리적으로 타당한 비디오를 생성하는 모델입니다.
• Unified Action Interface: 서로 다른 제어 포맷(caption, 6-DoF pose, action tensor 등)을 사용하는 모델들을 위해 WASD 기반의 공통 액션 체계를 매핑해주는 기술적 레이어입니다.
• World Consistency: 생성된 비디오의 시간적 일관성 및 3D 물리적 타당성을 평가하는 지표로, Reprojection Error 등을 통해 측정합니다.
• Apples-to-Apples Comparison: 동일한 장면, 액션, 조건을 사용하여 모델 간 성능을 공정하게 비교하는 평가 방식을 의미합니다.

## 2. Motivation & Problem Statement (연구 배경 및 문제 정의) 본 논문은 기존 Interactive World Models 연구들이 각자의 고유한 테스트 환경과 평가 프로토콜을 사용함에 따라 객관적인 비교가 불가능한 상황을 해결하고자 합니다. 현재 연구들은 모델마다 서로 다른 장면과 제어 인터페이스를 독자적으로 사용하여 공정한 성능 평가가 이루어지지 않고 있습니다. 이로 인해 모델 간의 기술적 우위를 판단하기 어렵다는 한계가 있습니다. 이러한 파편화된 평가 체계는 모델의 실제 성능을 왜곡할 수 있으며, 연구 생태계의 발전을 저해하고 있습니다 [Figure 1].

Figure 1 — WorldMark 개요

## 3. Method & Key Results (제안 방법론 및 핵심 결과) 저자들은 Interactive I2V 모델들을 위한 최초의 표준화된 벤치마크인 WorldMark를 제안합니다. 이 프레임워크의 핵심은 모델별 제어 방식을 WASD 표준 액션으로 변환하는 Unified Action-mapping Adapter를 통해 6개 주요 모델을 동일 조건에서 비교하는 것입니다. 평가 데이터셋은 50개의 참조 이미지와 15개의 액션 시퀀스를 조합한 500개의 케이스로 구성됩니다. 주요 실험 결과, YUME 1.5는 시각적 심미성에서 우수했으나 Genie 3가 월드 일관성(World Consistency) 지표에서 압도적인 성능을 보였습니다. 특히 3인칭 뷰포트에서의 평가에서 모델들의 Rotation Error가 1인칭 대비 크게 증가하는 현상을 관찰하였으며, 시각적 품질과 월드 일관성 사이의 상관관계가 낮음을 정량적으로 확인했습니다 [Table 4], [Table 6].

## 4. Conclusion & Impact (결론 및 시사점) 본 연구는 표준화된 테스트 조건과 다차원적 평가 툴킷을 제공함으로써 Interactive World Model 분야의 평가 표준을 정립했습니다. 본 연구를 통해 서로 다른 모델 구조 간의 상호 운용성을 확보하고, 시각적 품질과 물리적 일관성이라는 핵심 과제를 명확히 분리하여 평가할 수 있게 되었습니다. 향후 이 벤치마크는 해당 분야의 연구자들이 모델의 강점과 약점을 체계적으로 분석하고 발전시키는 표준 기반이 될 것으로 기대됩니다.

Figure 2 — Image Suite 구성

Figure 3 — 표준 액션 시퀀스 15종

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.