廣東
編譯/VR陀螺
近日，谷歌Deepmind發布Genie 3，這是一個世界模型，可根據文本提示生成實時交互的3D視頻流。
初代Genie于2024年初發布，能夠以256×256的分辨率生成2D橫向卷軸游戲，但該模型穩定性不佳，只能穩定運行幾十幀、幾秒的內容。隨后Genie 2于去年12月發布，此時它已經能夠生成3D世界模型，這就像是一款3D游戲，玩家可以基于鼠標和鍵盤操縱人物在場景里面進行探索。不過當時該版本輸出的世界比較模糊，同時細節也較少。
相比之下，Genie 3是一個巨大的飛躍，它以720p 24fps的速度輸出高度逼真的圖形，環境在1 分鐘內能保持完全一致，并在幾分鐘內保持“基本”一致。值得一提的是，Genie 3生成的虛擬世界已經非常趨近真實世界，如門可以打開，運動的物體具有真實的動態陰影，水面擾動時也會產生水花、漣漪之類的特效。
此外，Genie 3還增加了對“可提示的世界事件”的支持，如能夠改變天氣、添加新物體和角色等。谷歌透露，Genie 3的端到端控制延遲為50毫秒，已經非常接近24 fps平板游戲的理論最低延遲41.67毫秒。
不過，Genie 3目前還存在不少局限，如無法模擬多個獨立智能體之間的復雜交互，無法以完美的地理精度模擬真實世界的位置，而且通常只有在文本提示中明確提供才能生成清晰易讀的文本。谷歌將這些問題描述為“持續的研究挑戰”。
來源：UploadVR
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
