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
v1.5.2