微信公众号
手机端
搜索
编译/VR陀螺
近日，谷歌Deepmind发布Genie 3，这是一个世界模型，可根据文本提示生成实时交互的3D视频流。
初代Genie于2024年初发布，能够以256×256的分辨率生成2D横向卷轴游戏，但该模型稳定性不佳，只能稳定运行几十帧、几秒的内容。随后Genie 2于去年12月发布，此时它已经能够生成3D世界模型，这就像是一款3D游戏，玩家可以基于鼠标和键盘操纵人物在场景里面进行探索。不过当时该版本输出的世界比较模糊，同时细节也较少。
相比之下，Genie 3是一个巨大的飞跃，它以720p 24fps的速度输出高度逼真的图形，环境在1 分钟内能保持完全一致，并在几分钟内保持“基本”一致。值得一提的是，Genie 3生成的虚拟世界已经非常趋近真实世界，如门可以打开，运动的物体具有真实的动态阴影，水面扰动时也会产生水花、涟漪之类的特效。
此外，Genie 3还增加了对“可提示的世界事件”的支持，如能够改变天气、添加新物体和角色等。谷歌透露， Genie 3的端到端控制延迟为50毫秒，已经非常接近24 fps平板游戏的理论最低延迟41.67毫秒。
不过，Genie 3目前还存在不少局限，如无法模拟多个独立智能体之间的复杂交互，无法以完美的地理精度模拟真实世界的位置，而且通常只有在文本提示中明确提供才能生成清晰易读的文本。谷歌将这些问题描述为“持续的研究挑战”。
来源：UploadVR
投稿/爆料：tougao@youxituoluo.com
稿件/商务合作： 六六（微信 13138755620）
加入行业交流群：六六（微信 13138755620）
元宇宙数字产业服务平台
下载「陀螺科技」APP，获取前沿深度元宇宙讯息
.webp)
