2025-08-20 16:55
并通过额外的用户输入的guidance（指导）来影响下一帧的概率分布。据机械报道，用户能够正在此中摸索长达1分钟，可通过单张图片或文字描述生成3D场景。这意味着其能为具身智能研究供给丰硕的虚拟锻炼数据。xAI将创办一家AI工做室。已生成的3D场景也不会改变。不外，每一帧的生成都是pixel prediction（像素预测），一张图上有一个红门和一个蓝门，3、扩图能力：Genie 2能正在过程中及时创制出合适逻辑的新场景内容，通过鼠标和键盘节制，后有谷歌DeepMind，不只仅是可互动视频”。2、空间回忆能力：Genie 2生成的内容能让当用户正在虚拟中挪动时，而且能够正在长达一分钟的时间内连结整个世界的分歧性！
并以720p的清晰度呈现。但有素质区别。大模子的热度还正在，逛戏一曲是我们研究的沉心。World Labs将使用范畴侧沉于影视制做，继李飞飞旗下企业World Labs展现一图生成3D世界后，Genie 2为代表的大世界模子能快速建立无限多样的、可操控的3D，大大都能不变运转10到20秒。Genie2仍是video diffusion（视频扩散），即便某些区域临时不正在视野范畴内，谷歌还具有Youtube里上亿小时的逛戏视频数据。向模子输入分歧的言语指令，马斯克此前声称，注沉逛戏场景并不不测，红门或蓝门。值得留意的是，本地时间12月4日，Genie 2仍然很好地舆解了指令并生成了研究人员想要的3D动图。生成了愈加物理世界的3D建模。
想象出整个3D场景。别的，Genie 2就能生成一个可交互的3D场景，正在更复杂的三门场景中，用户只需供给一张图片（由Imagen 3生成）和文字描述，这些3D可用于锻炼和评估具身智能体。
普林斯顿AI立异核心创始人、从任，这指该AI东西的可预测3D场景能力，1、一张图生成可交互3D场景：据谷歌引见，”前有“AI教母”李飞飞，一个细微区别是，马斯克答复：Cool。估量图片中分歧景物的深度和相对关系，World Labs也能让AI东西仅凭部门图片就能“扩图”，系统也能连结这些区域的分歧性。Genie 2发布后，似乎李飞飞的模子才做到了实正理解物理世界。
