💡
原文中文，约2200字，阅读约需6分钟。
📝
内容提要
李飞飞的实验室推出了RTFM技术，能够实时生成3D世界模型。与传统模型不同，RTFM可以从一张图片生成可交互场景，并且仅需一块H100 GPU高效运行。该技术通过学习大量视频数据，具备复杂的视觉效果和空间记忆，允许用户在生成的世界中持续互动。
🎯
关键要点
- 李飞飞的实验室推出了RTFM技术，能够实时生成3D世界模型。
- RTFM可以从一张图片生成可交互场景，并且仅需一块H100 GPU高效运行。
- RTFM的核心能力是实时生成可供用户交互的视频，具备复杂的视觉效果和空间记忆。
- RTFM的设计围绕三项核心原则：效率、可扩展性和持久性。
- RTFM通过对架构和推理过程的优化，实现了在单个H100 GPU上进行实时生成。
- RTFM不构建显式的3D模型，而是通过学习视频帧序列直接预测空间规律。
- RTFM引入了空间记忆机制，使生成的世界具备持续存在的能力。
- 目前RTFM的Demo体验时间为3分钟，之后会忘记生成的世界。
- 未来随着算力价格下降和算法优化，可能会实现更完整的世界模型。
➡️
