谷歌发11B基础世界模型生成交互虚拟世界

谷歌发布根据互联网视频训练的基础世界模型Genie，该模型参数规模为11B，可以从合成图像、照片甚至草图生成无数种动作可控的交互式环境。Genie可以用它以前从未见过的图像提示，论文地址:https://arxiv.org/abs/2402.15391