研究人员推出了一种新颖的交互式世界模型WM^MLLM,该模型利用多模态大语言模型(MLLMs)从单个图像实现持久化和可编辑的世界生成。与之前将世界状态存储在生成器内的模型不同,WM^MLLM将状态外部化并维护修订历史,从而使MLLMs能够管理编辑并确保一致性。这种方法允许用户以精确的控制来导航、编辑对象和修改环境因素,确保重新访问先前状态时能够重现精确的视图,并且局部编辑不会影响未受影响的区域。 AI
影响 这项研究可能为内容创作和虚拟环境操控带来更直观、更强大的工具。
排序理由 该集群包含一篇详细介绍新模型及其在基准测试中性能的研究论文。[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 →