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
Trellis AI
Trellis是一款面向企业和专业团队的PDF工作流自动化平台。其核心功能是利用先进的AI技术，将复杂的PDF文档、表格和手写内容快速、准确地转化为可...
Copilot for Beauty Service Provides
iMed Cloud Services是一个集成AI平台，旨在为整形外科医生和美容师提供支持。通过提高效率、自动化任务并实现无缝协作，帮助简化医疗办公...
Llama-3-Patronus-Lynx-70B-Instruct
PatronusAI/Llama-3-Patronus-Lynx-70B-Instruct是一个基于Llama-3架构的大型语言模型，旨在检测在RAG...
云知声山海大模型
云知声山海大模型是新一代认知智能大模型，具备丰富的知识储备，覆盖科学、技术、文化、艺术、医疗等领域。它能够通过对话提供信息、知识和灵感，同时连接第三方...
ReactAI Components
ReactAI Components是一个利用人工智能技术帮助开发者快速构建React组件的平台。它通过集成先进的AI模型，如Claude/Anthr...
混元T1
混元T1 是腾讯推出的超大规模推理模型，基于强化学习技术，通过大量后训练显著提升推理能力。它在长文处理和上下文捕捉上表现突出，同时优化了计算资源的消耗...
FlowScraper
FlowScraper是一个直观的网页抓取工具，它允许用户无需编码即可从网站收集数据。通过拖放式的流程构建器，用户可以快速轻松地创建自定义抓取工作流并...
devActivity
devActivity是一个为软件工程团队提供数据驱动的性能评估、AI驱动的回顾洞察、贡献和工作质量分析以及操作瓶颈警报的工具。它基于提交/拉取请求/...
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。
