L3G-World генерирует видео длиной в минуту из одного изображения, сохраняя согласованность сцены, говорится в описании исследования. Для создателей ИИ-видео это заявка на более длинные сцены, которые не распадаются на несвязанные куски.

Схема L3G-World: одно изображение, текстовый запрос и траектория камеры преобразуются в 3D-память для последовательной генерации мира.Источник: imagedelivery.net

Система работает авторегрессивно: создаёт видео фрагментами, а L3G-Mem после каждого фрагмента адаптивно обновляет постоянную 3D-память. Она растёт вместе с пространством сцены, а не просто накапливает весь поток сгенерированных кадров. По ходу генерации модель должна учитывать уже построенный мир и продолжать его, а не начинать заново.

Описание проекта опубликовано в Reddit со ссылкой на исследование L3G-World. Там говорится о минутных роликах и сохранении согласованности, но в посте нет данных о доступе к модели, настройках или сравнительных тестах. И «бесконечный мир» в названии пока не означает бесконечное видео: конкретная заявленная длительность — минута. Звучит интересно, но это пока описание подхода, а не готовый инструмент для ваших пайплайнов.

ИсточникReddit: AI-видео и картинки