| --- |
| license: mit |
| tags: |
| - world-model |
| - text-to-image |
| - vlm |
| - image-generation |
| --- |
| |
| # WMGen — Text-based World Model Generation |
|
|
| 基于文本描述的世界模型图像生成项目，使用 VLM + LLM + Flux 完成意图理解与图像生成。 |
|
|
| ## 模型与 API |
|
|
| | 组件 | 模型 | |
| |------|------| |
| | VLM | GPT-4o | |
| | LLM | GPT-5.2 | |
| | 图像生成 | Flux-Kontext-Pro | |
|
|
| ## 仓库内容 |
|
|
| | 目录 | 说明 | |
| |------|------| |
| | `benchmark/` | 基准测试数据集 | |
| | `batch_results/` | 批量实验结果 | |
| | `results/` | 实验结果 | |
| | `case_results/` | 案例结果 | |
| | `LaRS_1/` | LaRS 数据集（实验用） | |
| | `LaRS_val_based_size10/` | LaRS 验证集 | |
| | `roadwork/` ~ `roadwork_5_tra_based_size10/` | ROADWork 相关数据集与实验 | |
|
|
| ## 代码仓库 |
|
|
| GitHub: [Persiapinkman/Text-based-world-model](https://github.com/Persiapinkman/Text-based-world-model) |
|
|
| ## 使用说明 |
|
|
| 1. 克隆 GitHub 代码仓库 |
| 2. 使用 `git lfs pull` 或 `hf download Persiapinkman/WMGen` 下载本仓库数据 |
| 3. 在 `api_key.txt` 中配置 API 密钥后运行 `agent.py` |
|
|
