Genie 2

Genie 2 (Google DeepMind)进阶

谷歌 DeepMind 的大规模世界模型，从一张图生成可操控的 3D 世界

Google DeepMind 于 2024 年 12 月 4 日发布的基础世界模型，是 Genie（初代）的后继。输入一张图片（可以是 Imagen 3 文生图的结果，也可以是真实照片），就能生成可用键盘鼠标操控的 3D 环境，画面一致性最长可保持约一分钟，多数示例在 10–20 秒。架构是在大规模视频数据上训练的自回归潜在扩散模型，即在压缩后的隐空间里一帧接一帧地去噪生成。它能模拟重力、水、烟等效果和物体交互，并记住移出视野的内容。主要用途是给 SIMA 等智能体提供多样的训练和评测环境，后续版本是 Genie 3。