您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
豆包大模型团队联合高校开源视频生成模型VideoWorld
2025年02月10日 由 daydream 发表
488
0
豆包大模型团队携手北京交通大学与中国科学技术大学，共同研发的视频生成实验模型VideoWorld已正式对外开源。该模型在业界实现了一项重要突破：无需依赖语言模型，即可完成对世界的认知。
据悉，当前主流的多模态模型，如Sora、DALL-E和Midjourney等，大多依赖于语言或标签数据来进行知识学习。然而，语言在描述真实世界的所有知识时存在局限性。例如，折纸、打领结等复杂技能，往往难以通过语言进行精确描述。VideoWorld则摒弃了语言模型，实现了统一执行理解和推理任务的能力。
VideoWorld基于一种潜在动态模型构建，该模型能够有效压缩视频帧间的变化信息，从而提高了知识学习的效率和效果。值得注意的是，在没有依赖任何强化学习搜索或奖励函数机制的情况下，VideoWorld已经达到了专业5段9x9围棋的水平，并且能够在多种环境中执行机器人任务。
此次开源的VideoWorld模型，为视频生成和认知领域带来了新的研究方向和技术支持，有望推动相关技术的进一步发展。
文章来源：https://www.atyun.com/65378.html
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
写评论取消
回复取消