图灵汇官网

科技前沿：谷歌推出Genie 2，提升虚拟场景生成水平

最近一段时间，随着李飞飞和谷歌DeepMind的动作，大模型受到越来越多的关注，大世界模型再次成为讨论热点。

此前，李飞飞的公司World Labs展示了用单张图片生成3D世界的创新技术。随后，谷歌DeepMind在12月4日推出了大型基础世界模型Genie 2。这个模型能通过单张图片或者文字描述生成真实的3D场景。

Genie 2的主要特点

Genie 2有多项显著功能：

首先，它能生成可交互的3D场景。谷歌提到，用户只要提供一张图片和文字描述，Genie 2就能创建一个可交互的3D场景，并以高清晰度显示。用户可以用鼠标和键盘操作，自由浏览大约1分钟，通常可以稳定运行10到20秒。

其次，Genie 2具有空间记忆功能。生成的内容在用户移动时会保持虚拟环境的稳定性。即便某些区域暂时不在视线内，系统也会维持这些区域的稳定状态。World Labs也有类似功能，即使视线移开再回来，生成的3D场景不会发生变化。

最后，Genie 2具备扩展画面的能力。它能够实时创造符合逻辑的新场景内容，并在一分钟内保持整个世界的连贯性。这显示了Genie 2出色的预测3D场景能力。World Labs也可以利用部分图片生成完整的3D场景。

技术对比

虽然这两个AI工具功能相近，但核心技术有所不同。据机器之心报道，普林斯顿AI创新中心的王梦迪教授认为，李飞飞的World Labs在构建3D环境时更专注于物理世界的理解。它从图片入手，计算图片中不同物体的深度和相对位置，从而生成更加真实的3D环境，而不仅仅是一个互动视频。

另一个小差别在于应用范围。World Labs主要用于电影制作，而谷歌则聚焦于游戏开发。Genie 2发布后，DeepMind首席执行官Demis Hassabis邀请马斯克一起开发AI游戏，马斯克表示同意。另外，作为YouTube的母公司，谷歌还拥有大量的游戏视频数据资源。

未来展望

Genie 2这样的大世界模型可以快速构建多样化且可操控的3D环境，这些环境可用于训练和测试具身智能体，为相关研究提供丰富的虚拟训练数据。谷歌的研究人员Jack Parker-Holder展示了几个例子，证明了Genie 2处理复杂场景的强大能力。

这些技术的进步预示着未来AI在游戏和虚拟现实领域的广阔应用前景。