Nowy model L3G-World potrafi na podstawie jednego obrazu autoregresywnie generować minutowe filmy wideo z zachowaniem spójności sceny. System wykorzystuje pamięć 3D opartą na Latent Gaussian Memory, która dynamicznie rozrasta się wraz ze sceną.
Wyobraź sobie, że podajesz AI jedno zdjęcie, a ona rozbudowuje je w pełnoprawny, spójny świat 3D, który rośnie razem z Twoją wyobraźnią. L3G-World robi dokładnie to: na podstawie pojedynczego obrazu generuje minutowe filmy wideo, utrzymując spójność całej sceny dzięki pamięci opartej na Latent Gaussian Memory, która dynamicznie rozszerza się wraz z eksplorowanym środowiskiem. To brzmi jak silnik do nieskończonych gier wideo, gotowy do wyjęcia z pudełka.
Zanim jednak zaczniemy pakować walizki do wirtualnych światów, warto zapytać: minuta wideo to wciąż bardzo krótki oddech, a "spójność sceny" w warunkach laboratoryjnych potrafi dramatycznie różnić się od tej, której wymagają realne zastosowania. Czy dynamicznie rosnąca pamięć nie stanie się szybko dynamicznie rosnącym problemem obliczeniowym?
To
Co o tym myślisz?
Zaloguj się, aby dołączyć do dyskusji.
Zaloguj się do dzis.ai
Komentuj, zachowaj swoją passę, dołącz do dyskusji.
G Kontynuuj z Google