谷歌DeepMind推出了最新的基础世界模型Genie 2，它能够根据一张图像或文字描述生成可交互的3D场景。用户只需提供Imagen 3生成的图像和文字描述，Genie 2就能构建一个可探索的3D环境，并模拟物体交互、动画、光照等要素，生成场景的画质甚至接近3A游戏。该模型在保持场景一致性和视野呈现方面表现出色，也引发了人们对视频游戏未来和虚拟化世界模型的思考。DeepMind CEO还邀请马斯克一起制作AI游戏，展现了该技术的潜力和未来应用方向。

🤔Genie 2能够根据图像或文字描述生成可交互的3D场景，用户可以自由探索生成的3D环境，体验时间最长可达一分钟。

🎮Genie 2能够模拟物体交互、动画、光照、物理反射以及NPC的行为，生成的场景画质接近3A级别游戏，在物体视角一致性和场景记忆方面表现优异。

💡Genie 2展现了AI在生成3D场景方面的强大能力，引发了人们对视频游戏未来和虚拟化世界模型的思考，也吸引了马斯克的关注。

指令理解方面，Genie 2能够理解不同的语言指令，并生成相应的3D场景，例如根据指令选择不同的门并生成相应的场景动图。

快科技12月5日消息，谷歌DeepMind日前推出了其最新的基础世界模型——Genie 2，通过一张图像或文字描述，就能生成可供人类或AI智能体游玩的3D场景。

谷歌表示，用户只需提供一张由Imagen 3生成的图像和相应的文字描述，Genie 2便能生成一个可交互的3D环境，用户可以通过鼠标和键盘在其中自由探索，最长可持续一分钟。

该模型不仅能够保持生成环境的一致性，还能在用户移动时准确呈现视野中消失的部分。

谷歌还表示，Genie2在生成过程中能够模拟物体交互、动画、光照、物理反射以及NPC的行为，许多生成的场景画质接近3A级别的游戏，甚至在物体视角一致性和场景记忆方面表现优异。

有人被这技术进步的速度震撼，称之为视频游戏的未来，甚至还有人看到了一切都被虚拟化的世界模型的更长远未来。

值得一提的是，Genie 2发布后，DeepMind CEO邀请马斯克一起制作AI游戏，马斯克则回复：Cool。

谷歌研究人员Jack Parker-Holder也给出了两个实例，其中，一张图上有一个红门和一个蓝门，向模型输入不同的语言指令，可以生成不同的3D场景，走向红门或蓝门。

在更复杂的三门场景中，Genie 2依然很好地理解了指令并生成了研究人员想要的3D动图。