4Director：用刚性 3D 几何控制视频世界模型

4Director 用显式 4D 场景表示控制视频世界模型，将输入图像中的每个对象重建为 canonical mesh，并按每帧指定的刚性变换移动。其将受控场景渲染为深度视频，再由 Motion Adapter 合成视角一致的外观、光照和非刚性动态；训练使用含 20,774 个片段的 RealCOD-Rigid，并提出 IG-IoU 评估对象运动遵循度与身份保持。