上一篇
I2V-01-Live是什么？一文让你看懂I2V-01-Live的技术原理、主要功能、应用场景
Genie 2是什么？一文让你看懂Genie 2的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
Genie 2概述简介
Genie 2是DeepMind推出的新一代大规模基础世界模型，仅凭一张图片生成长达1分钟的可交互3D游戏世界。Genie 2能模拟出物体交互、角色动画、物理效果等复杂动态，支持用键盘和鼠标进行操作。Genie 2具备长时间记忆功能，能记住且精确还原暂时离开视野的场景。Genie 2能实时创造符合逻辑的新场景内容，在长达一分钟的时间内保持整个世界的一致性。
Genie 2的功能特色
基于图像生成3D世界：Genie 2能根据单张图片生成可交互的3D游戏世界，最长可玩1分钟。
动作控制：模型能响应键盘和鼠标输入的动作，识别且正确移动角色。
生成反事实场景：基于同一个开始画面，创造出多个不同的发展路径。
长时间记忆：能记住暂时离开画面的场景，在画面重新进入视野时精确还原。
持续生成新场景：在过程中实时创造出符合逻辑的新场景内容，且保持世界一致性。
多样化环境生成：能生成多种不同的观察视角，如第一人称视角、等距视角或第三人称驾驶视角。
3D结构创建：创建复杂的3D视觉场景。
物体属性与交互：建模各种物体交互，例如气球爆裂、开门和射击炸药桶。
Genie 2的技术原理
自回归潜变量扩散模型：基于大规模视频数据集训练的自回归潜变量扩散模型。
视频帧处理：视频的潜变量帧首先基于自动编码器处理，再传递给一个大规模Transformer动态模型。
因果掩码训练：Transformer模型基于因果掩码进行训练，类似于大型语言大模型所使用的掩码方式。
自回归采样：在推理阶段，Genie 2用自回归的方式进行采样，逐帧用单个动作和先前的潜变量帧。
无分类器指导：在动作控制中用无分类器指导（classifier-free guidance）提高动作的可控性。
Genie 2项目介绍
项目官网：deepmind.google/discover/blog/genie-2
Genie 2能做什么？
智能体训练与评估：创建复杂的虚拟环境，用在训练和测试AI智能体在模拟环境中的表现和决策能力。
游戏开发：用Genie 2生成的动态世界，游戏开发者能设计出更加丰富和互动的游戏内容，提升玩家的沉浸感。
模拟与训练：在军事训练中模拟战场环境，或在教育中模拟历史事件，提供逼真的模拟体验，用在训练和学习。
机器人学习：作为机器人训练的平台，模拟不同的环境和情况，帮助机器人学习如何在现实世界中导航和操作。
虚拟现实（VR）和增强现实（AR）：结合VR和AR技术，创建虚拟环境，用在娱乐、教育或专业训练，提供沉浸式体验。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
O1-CODER
O1-CODER是一个旨在复现OpenAI的O1模型的项目，专注于编程任务。该项目结合了强化学习(RL)和蒙特卡洛树搜索(MCTS)技术，以增强模型的...
Speech to Note
Speech to Note是一个AI驱动的语音识别工具，能够即时将口语转换为文本。它使用先进的语音转文本技术，将您的语音转换成可以编辑或分享的简洁摘...
ai bingo
AI Bingo是AI生成的艺术所推动的令人兴奋的猜测游戏。玩家挑战自己，以区分由三个尖端AI艺术生成器创建的图像-Dall·E，Midjourney...
TabTac
TabTac浏览器是一款基于AI技术的新一代浏览器，它通过集成ChatGPT等工具，提供搜索增强、网页浏览增强和办公辅助增强功能。该浏览器采用去中心化...
Noet
Noet是一个AI驱动的客户支持平台，旨在通过智能化、个性化的支持服务，彻底改变传统的客户体验。它利用先进的AI技术，实现24/7的智能语音和聊天支持...
InteraxAI
InteraxAI是一个无代码白标平台，提供可赚钱且可嵌入的AI小工具，让您的项目具备智能和功能性，无需编写任何代码。我们为所有用户提供免费套餐，并为...
APIPark
APIPark是一个开源的AI网关和API开发者门户，由Eolink推出，旨在帮助开发者和企业轻松管理、集成和部署AI服务。Eolink提供API全生...
讯飞星火
讯飞星火是科大讯飞推出的一款全面对标GPT-4 Turbo的AI大语言模型，它通过集成多种AI技术，如语音识别、自然语言处理、机器学习等，为用户提供高...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
