Cosmos World Foundation Model Platform for Physical AI
前两天nvidia发布会说的世界模型挂出来了。这是一个world model的工作，根据不同的动作可以生成后续视频。作者在这边把world model定义了一个pretrain的概念，然后说明基于cosmos pretrained world model，可以在下游进行各种微调。这篇开源了一大堆模型，包含diffusion-loss的，Autoregressive-loss，可以做text2video，文字+视频输入，生成视频后文的
