机器之心报道 机器之心编辑部 单 GPU 级世界模型来了。 斯坦福大学教授李飞飞创业公司 World Labs 又推出了新成果！ 上个月，World Labs 发布了 空间智能模型 Marble ，「只需一张图片，就能生成持久存在的 3D 世界，比以往更宏大、更震撼。」 就在今天，一个可以实时、持续运行并保持 3D 一致性的生成式世界模型 RTFM 问世了，并且该模型在单个 H100 GPU 上就能跑起来。 RTFM 的全称为「Real-Time Frame Model」，即实时帧模型。 根据官方介绍，RTFM 并不会显式地构建世界的 3D 表示。相反，它以一张或多张 2D 图像作为输入，直接生成同一场景在不同视角下的全新 2D 图像。 在技术上，RTFM 可以被视为一种学习型渲染器：它是一种端到端训练的自回归扩散 Transformer，基于大规模视频数据进行训练，最终仅通过观察训练集中的样 本就学会了建模 3D 几何、反射、阴影等特征。 另外，RTFM 还可以用于从稀疏拍摄的照片中重建真实世界的场景。 World Labs 团队认为，生成式世界模型必然会对计算能力提出要求，甚至可能扩展到超出当今 LLM ...