研究人员推出了一种新颖的流式全景世界模型SPW-Nav,专为语言引导导航而设计。该模型可以根据移动指令实时生成一分钟的2K 360度视频,并在先前生成的全景图的上下文中解释这些指令。SPW-Nav采用球形旋转解耦和姿态对齐条件等技术,以确保准确的相机运动并在扩展流中保持视频质量,在相机跟随准确性和指令切换方面优于现有的全景生成器。 AI
影响 通过实现从语言指令到实时全景视频的生成,该模型可以增强交互式3D场景探索、VR体验和具身代理训练。
排序理由 该集群描述了一篇关于用于语言引导导航的新颖模型的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →