WorldWander 是论文《WorldWander: Bridging Egocentric and Exocentric Worlds in Video Generation》的官方 PyTorch 代码库，该论文被 ECCV 2026 收录。项目聚焦于视频生成中不同视角之间的转换问题，特别是第一人称（自我中心，egocentric）与第三人称（外中心，exocentric）视角之间的无缝视频翻译。
用途方面，WorldWander 旨在弥合自我中心与外中心世界之间的视角差异。这一能力对电影制作、具身 AI 以及世界模型等方向具有潜在价值。
主要能力方面，WorldWander 是一个上下文学习框架，构建于先进的视频扩散 Transformer 之上，集成了两项关键设计：（i）上下文视角对齐（In-Context Perspective Alignment）和（ii）协作位置编码（Collaborative Position Encoding），用于高效建模跨视角同步。此外，项目还发布了 EgoExo-8K 数据集，该数据集包含来自合成场景和真实场景的同步自我中心—外中心三元组。
使用方式方面，项目提供了推理与训练两条路径。推理部分：WorldWander 基于 Wan2.2-TI2V-5B 模型训练，使用 4 张 H200 GPU，每张 GPU 批大小为 4；项目在 Hugging Face 上提供了针对不同任务的 LoRA 检查点，用户可下载对应检查点并指定相应配置文件进行推理，官方提供了示例脚本，需将参数 ckpt_path 更新为所下载检查点的路径，建议在 80GB 显存的 GPU 上运行以避免内存不足。训练部分：用户可在自定义数据集上训练，需要先调整对应配置文件中的 first_video_root、third_video_root、ref_image_root 等参数，必要时根据自身数据集属性修改 dataset/custom_dataset.py 中的 CustomTrainDataset 类，官方也提供了训练脚本。
适用场景方面，根据项目描述，该框架适用于电影制作、具身 AI 和世界模型等需要跨视角视频生成与转换的场景。
限制方面，资料中未提供具体的性能指标、支持的最大分辨率或时长、许可证信息以及除 80GB 显存建议外的其他硬件要求。项目代码部分借鉴了 DiffSynth-Studio 和 Wan2.2。
