视频生成告别“瞬移变形”，群核科技Hugging Face登顶背后：空间语言改写AI物理世界规则

AIGC技术正从文本、图像生成向更复杂的3D空间与视频领域延伸，但现有模型普遍面临两大核心挑 战：一是对物理世界空间结构的理解不足，导致3D场景生成缺乏逻辑性；二是视频创作中因视角切换 引发的时空一致性问题。 "何时人工智能从数字世界走向物理世界呢？我们认为空间智能就是这里面非常关键的桥梁。"群核科技 联合创始人兼董事长黄晓煌表示。 而对于空间智能来说，它的核心是让AI真正理解物理世界的"语言"：要让AI学会用"空间语言"描述世 界，这是它走进物理世界的第一步。 此次发布的两款模型分别针对文章开头所提的两大痛点——SpatialLM 1.5通过"空间语言"实现3D场景 的结构化生成与交互，SpatialGen则依托3D高斯技术保障多视角图像的空间连贯性。 前者生成的场景富含物理正确的结构化信息，支持用户通过对话交互系统SpatialLM-Chat进行可交互场 景的端到端生成，能够有效解决机器人训练数据难题；后者，专注于"生成与呈现"， 可根据文字描 述、参考图像和3D空间布局，生成具有时空一致性的多视角图像。 据介绍，传统多模态模型（如GPT-4V、通义千问VLM）通过将图像切割为视觉Token与文本对齐，实 ...