近日，香港科技大学、中国科学技术大学等机构联合推出了GameGen-X 模型。
这一模型能够模拟游戏引擎的多种功能，支持创建丰富的虚拟角色、动态环境以及复杂的游戏事件，从而实现高度仿真且可控的开放世界游戏体验。
开放世界游戏视频的生成与交互新探索
在 GameGen-X 的支持下，用户能够生成高质量的游戏视频内容，并以创新的方式与虚拟场景互动。
该模型不仅可以生成创新角色、复杂动作和多样化事件，还能够根据用户的输入来调整游戏场景，实现一种前所未有的“游戏策划”体验，让游戏爱好者在虚拟世界中轻松构建自己的故事情节。
创新性的数据集 OGameData
GameGen-X 的训练依赖于一个庞大的游戏视频数据集 OGameData，这是全球首个专为开放世界游戏生成和控制设计的数据集。OGameData 包含超过 150 款游戏的 100 万个以上视频片段，研究人员还结合 GPT-4o 为每段视频提供了详细的文本描述，提升了模型对多样化内容的生成能力。
该数据集的规模和多样性使 GameGen-X 能够适应不同类型的游戏场景，并提供与传统游戏引擎生成方式相比更加灵活、细腻的画面和场景控制。这种数据集的构建为模型的多模态理解奠定了坚实基础，使其能够基于丰富的游戏情景生成长时间、高质量的视频内容。
双阶段训练：预训练和指令微调
GameGen-X 的训练流程分为两个阶段，即基础模型预训练和指令微调。
在基础模型预训练阶段，GameGen-X 通过文本到视频生成和视频续接任务进行训练，从而掌握了生成开放领域高质量长序列视频的能力。这个过程使得模型能够模拟多样化的游戏内容，包括角色动作和复杂的互动场景。
在指令微调阶段，研究团队引入了 InstructNet 模块，用以处理用户的控制信号并执行相关操作。InstructNet 负责处理用户输入的控制信号，实现对虚拟角色和场景的精细控制，并确保生成视频的多样性和质量不受影响。
该模块通过与基础模型的结合，使 GameGen-X 能够根据用户输入实时调整潜在表示，将交互性引入到生成的视频内容中。
游戏视频生成与交互控制的突破
GameGen-X 的设计结合了游戏视频生成与交互控制的需求，在开源与商用模型中具有显著优势。相比传统生成模型，GameGen-X 在生成视频内容时能够实现高水平的角色控制和场景控制，其生成的内容更贴近真实游戏场景，使用户能够在虚拟世界中更自由地互动和探索。
模型不仅能够生成多样化的环境，还可以根据用户的指令实时调整，满足了游戏策划和个性化生成的双重需求。
未来，游戏设计师和玩家将能够利用GameGen-X 等模型，在虚拟世界中构建出更为丰富和动态的内容。
对此，各位读者有什么想说的？
欢迎留言，一起交流你的观点与看法！
诚邀投稿:
欢迎各位粉丝、朋友们提供稿件（前沿科技进展、科技产品动态、经典文献解读、技术原理科普、行业市场分析、科研生活感悟、社会民生观察等）。联系微信号：133 9674 1340，并请注明详细联系信息，对入选推送稿件者，我们会及时联系您，以微信红包形式给予报酬。
对前沿科技感兴趣的朋友，可以点击关注公众号，订阅感兴趣的话题专栏！
也可添加下述小编微信！小编邀请您一起加入“前沿科技观察”群聊！
让我们每天下午4点，一起探索全球最前沿的科技资讯！开启你的科技之旅，与志同道合的伙伴一同品味科技发展带来的时代红利，创新型的未来！
编辑|前沿科技观察
供稿|科创产业观察
审核|前沿科技观察
