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
使用说明
- 克隆 GitHub 代码仓库
- 使用
git lfs pull或hf download Persiapinkman/WMGen下载本仓库数据 - 在
api_key.txt中配置 API 密钥后运行agent.py