---
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`