Wonder：更好的视频世界模型

Wonder视频世界模型让用户通过移动摄像机在交互式3D世界中实时探索，实现了长期一致的视频生成。

• 关键技术：引入密集坐标场作为摄像机条件，提供空间对齐的运动和方向线索；稀疏注意力记忆机制实现快速准确的长上下文检索。
• 蒸馏改进：修正自强制蒸馏管道，增强学生模型遵循控制信号的能力，同时保持生成多样性和长期记忆。
• 性能指标：能以16 FPS生成分钟级视频，在长距离中保持几何、外观和动态一致性。
• 应用扩展：自然支持视频条件生成，可实时重新拍摄现有动态场景，为虚拟制片、游戏等提供新工具。
• 看点：Wonder展示了视频生成从单向生成到交互式世界探索的跨越，是通往通用世界模拟器的重要一步。

本内容由 AI 生成，仅供参考，请注意甄别