LingBot-Worldのエンジニアリング解釈:FSDPと長尺動画生成戦略

LingBot-World オープンソース解釈:動画生成から「インタラクティブワールドモデル」への重要な一歩

1. 要旨 LingBot-Worldは、Robbyantのオープンソースの「ワールドモデル/ワールドシミュレーター」で、動画生成に着想を得ています。入力画像とテキストプロンプトを与えれば、長く一貫した動画シーケンスを生成でき、制御性とインタラクティブ性を強調しています。 このプロジェクトは、具身知...