OpenAI 介绍视频生成模型 Sora 及其世界模拟研究方向

OpenAI 介绍其对大规模视频生成模型的探索：模型以不同持续时间、分辨率和宽高比的视频与图像联合训练，采用处理时空视频及图像潜在编码块的 Transformer 架构。文中称最大模型 Sora 可生成一分钟高保真视频，并认为扩大视频生成模型规模或可成为构建物理世界通用模拟器的路径。