tencent/HunyuanWorld-Voyager
    We introduce HunyuanWorld-Voyager, a novel video diffusion framework that generates world-consistent 3D point-cloud sequences from a single image with user-defined camera path. Voyager can generate 3D-consistent scene videos for world...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#2 Repository Của Tuần
🚀 Từ một bức ảnh thành thế giới 3D đầy đủ
Tạo video khảo trình 3D nhất quán từ ảnh đơn với quỹ đạo camera tùy chỉnh.
HunyuanWorld-Voyager là một khung diffusion video mới của Tencent, biến một ảnh đầu vào thành dãy điểm đám mây 3D nhất quán thế giới. Người dùng có thể tự định nghĩa quỹ đạo camera để thu thập video khảo trình 3D. Ngoài ra, mô hình còn sinh đồng thời video RGB và depth để hỗ trợ tái tạo 3D trực tiếp.
✨ Điểm nổi bật
- Sinh video 3D nhất quán thế giới: duy trì tính nhất quán không gian qua toàn bộ dãy video.
- Đường bay camera người dùng định nghĩa: hỗ trợ tùy chỉnh quỹ đạo camera cho khảo trình tùy chỉnh.
- Sinh đồng thời RGB và depth: xuất video RGB + depth để tái tạo 3D hiệu quả.
- Tích hợp từ HunyuanWorld, Hunyuan3D, HunyuanVideo-I2V: kết hợp các công nghệ nền tảng của Tencent.
- Dựa trên VGGT, MoGE, Metric3D: áp dụng các công cụ thẩm định lượng sâu mở rộng.
- Hỗ trợ nghiên cứu và ứng dụng thực tế: phù hợp cho khảo trình ảo, giáo dục, giải trí.
💡 Vì sao đáng chú ý
Khác với các phương pháp sinh video truyền thống chỉ tạo hình ảnh 2D, Voyager đi xa hơn bằng cách sinh ra dữ liệu 3D có tính nhất quán không gian. Điều này mở khả năng khám phá thế giới ảo một cách tương tác và linh hoạt. Đặc biệt, khả năng sinh đồng thời RGB và depth giúp giảm đáng kể công sức hậu xử lý cho các bài toán tái tạo 3D.
#ImageToVideo #3DGeneration #WorldModel #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
LTX-2.5 — Video, Audio & World Simulation Full control and customization — self-host on your infrastructure. Homepage Docs GitHub Research API Playground Discord LTX License LTX-2.5 — Video, Audio & World Simulation Full control and customiz...
LTX-2.3 Model Card This model card focuses on the LTX-2.3 model, which is a significant update to the LTX-2 model(https://huggingface.co/Lightricks/LTX-2) with improved audio and visual quality as well as enhanced prompt adherence. LTX-2 was present...
LTX-2 Model Card This model card focuses on the LTX-2 model, as presented in the paper LTX-2: Efficient Joint Audio-Visual Foundation Model(https://huggingface.co/papers/2601.03233). The codebase is available here(https://github.com/Lightricks/LTX-2...
MiniMax H3 System Overview MiniMax H3 is a general-purpose, omni-modal generative system. It supports unified understanding of multimodal contexts composed of text, images, video, and audio, and can generate video with native stereo audio at resolut...
Stable Video Diffusion Image-to-Video Model Card !row01(outputtile.gif) Stable Video Diffusion (SVD) Image-to-Video is a diffusion model that takes in a still image as a conditioning frame, and generates a video from it. Please note: For commercial...
LTX-Video Model Card This model card focuses on the model associated with the LTX-Video model, codebase available here(https://github.com/Lightricks/LTX-Video). LTX-Video is the first DiT-based video generation model capable of generating high-quali...
//: ( ) //: ( ) //: ( ) "To see a World in a Grain of Sand, and a Heaven in a Wild Flower" 🔗 BibTeX @misc{hunyuanworld2025tencent, title={HunyuanWorld 1.0: Generating Immersive, Explorable, and Interactive 3D Worlds from Words or Pixels}, author={T...
!FLUX.1 dev Grid(./devgrid.jpg) FLUX.1 dev is a 12 billion parameter rectified flow transformer capable of generating images from text descriptions. For more information, please read our blog post(https://blackforestlabs.ai/announcing-black-forest-la...
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...