OpenAI 探讨将视频生成模型作为物理世界模拟器并介绍 Sora

OpenAI 发布视频生成研究报告，其最大模型 Sora 能够生成长达 1 分钟的高保真视频。该方法在不同时长、分辨率和宽高比的视频与图像上联合训练文本条件扩散模型，并采用在潜在编码时空 patch 上运行的 Transformer 架构。OpenAI 指出，扩展视频生成模型是构建通用物理世界模拟器的可行路径。