AIGCer的博客

Hunyuan-GameCraft-2提出了一种指令驱动的交互式游戏世界模型，通过集成文本、键盘和鼠标信号实现语义化交互控制。该模型采用14B参数的MoE架构，结合自回归蒸馏与随机化长视频微调技术，支持高效稳定的长时序视频生成。创新性地定义了交互式视频数据标准，并开发了自动化数据构建管道。实验表明，模型在InterBench基准上取得SOTA性能，能以16FPS实时生成高质量交互视频，显著提升了动作有效性(触发率0.96+)、因果连贯性和物理合理性。

香港大学与阿里达摩院联合推出PlayerOne模型，实现真实世界的第一人称动态模拟。该系统通过外置摄像头捕捉用户动作（如手势、头部转动），将其无缝融入由单张图像构建的虚拟场景，支持无限制交互与AAA级画质体验。关键技术包括：部件解耦的动作编码（区分头/手/躯干）、4D场景点云重建确保一致性，以及两阶段训练策略解决数据稀缺问题。相比现有方案，PlayerOne在动作对齐和场景交互方面表现更优，为沉浸式社交、虚拟探索等应用开辟新可能。