游戏世界模型 NPC 角色条件控制架构图

概览

分别控制玩家和 NPC 的视频扩散游戏世界模型三栏架构图。这是一张可编辑的 PowerPoint 图，依据 CC BY 4.0 许可改编自论文原图。

图中内容

左栏是空间角色绑定：首帧 X₀、各角色掩码 m₁、m₂ 乘以句柄嵌入 h₁、h₂，得到绑定图 B = Σ_i m_i h_i 和首帧偏置 αB；下方是 z₀ … z_t 的潜变量时间因果注意力掩码（可见历史 / 未来）。中栏：视频潜变量 → patch 嵌入 → DiT 块（因果自注意力 → U → 角色条件层 → FFN）→ 预测视频。右栏：分角色控制提示（玩家 "Throw a fireball"，NPC "If a fireball approaches, jump to evade."）→ 冻结文本编码器加投影 → 控制 token E₁、E₂ 和只进 K 的句柄 h₁、h₂，再加背景上下文 (s₀, h₀)；交叉注意力以视频 token U 为 Q、角色 token 为 K, V，残差相加得到更新后的视频 token。每个方框、箭头、标签和公式都是原生形状，改配色、改文字、拆开单独用都行，适合组会汇报、开题、论文配图和海报。

文件格式

下载包含：.pptx（1 页，13.33 × 7.75 英寸；PowerPoint、Keynote、WPS、LibreOffice 都能打开；Google Slides 也能用，但复杂自由曲线可能略有偏移）、.svg、.drawio。附原尺寸预览图 preview.png，另有 1200 px 网页预览图。

形状与编辑

442 个原生可编辑形状：276 个自选图形、51 个文本框、12 个自由曲线、103 条线条/连接线（另有 2 个小编组）。不含任何嵌入图片，全部矢量。可编辑内容：全部文字和公式（X₀、m_i、h_i、B = Σ_i m_i h_i、αB、z₀ … z_t、E₁、E₂、(s₀, h₀)、U、Q、K, V）、掩码网格 / 绑定图 / 因果注意力掩码的每个格子、叠放的潜变量网格、DiT 块、带原生矢量角色图标的提示卡片、立体控制 token 条、句柄徽标、⊕ 节点、虚线放大连线和所有连接线。

嵌入图片与字体

本文件不含任何嵌入图片，全部为矢量。首帧和预测视频缩略图是用简单矢量形状画的中性示意场景（不是截图），需要真实画面时直接把自己的图盖上去即可。正文用 Calibri，公式统一用 Times New Roman（Calibri 随 Microsoft Office 安装，Times New Roman 是 Windows 和 macOS 自带；LibreOffice 会用等宽度的 Carlito 和 Liberation Serif 显示）。上下标是真正的上标 / 下标文字格式，不是公式编辑器对象。SVG 里的文字仍是可编辑文字；draw.io 文件是逐个形状转换的，个别位置可能要微调。本文件是忠实重绘，不是作者的原始源文件。