跳到正文

VideoWorld

从无标签视频中学习的深度生成模型

访问官网

VideoWorld 是什么

VideoWorld 被介绍为一个从无标签视频中学习复杂知识的深度生成模型,采用自回归视频生成技术。

你可以用它做什么

  • 从视觉输入中学习任务规则与操作
  • 用 LDM 表示多步视觉变化
  • 由前一帧生成新的视频帧

上手流程

  • 下载开源代码和数据
  • 用 VQ-VAE 把视频帧转换为离散 token
  • 以下一帧预测范式训练自回归 Transformer
  • 生成新帧并从中提取任务操作

优点与缺点

✓ 我们认可的地方

  • 提供开源代码和数据
  • 资料称在视频围棋任务中达到 5 段职业水平

! 需要留意的地方

  • 学习起点是无标签的视频输入
  • 资料记录的流程使用视频帧离散 token

常见问题

核心模型是什么?

资料提到用于表示多步视觉变化的潜在动态模型(LDM)。

开放了什么?

功能列表列出开源代码和数据。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法