AI最前沿 88Z.ai 5 月 26 日消息，小米汽车发布全新框架，将三维重建与视频生成深度耦合。重建模块采用稀疏三维锚点，10秒视频处理仅需10秒；生成模块经两阶段训练与ODE蒸馏，实现4步去噪及0.19秒/帧的高效生成，支持最长1分钟视频。
消息要点
- 重建模块采用稀疏三维锚点，10秒视频处理仅需10秒
- 生成模块实现4步去噪与0.19秒/帧高效生成，支持1分钟视频
要点
小米汽车正式推出Xiaomi Auto World Model全新框架，该架构首次实现了三维重建技术与视频生成功能的深度耦合。在重建环节，系统摒弃了传统的稠密高斯方法，转而采用稀疏三维锚点技术，显著提升了处理效率，使得10秒长的视频重建过程仅需10秒即可完成。 在视频生成方面，该模型通过两阶段训练结合ODE蒸馏技术，成功将去噪步骤精简至4步。这一优化带来了极高的生成速度，达到每帧0.19秒的高效表现，并能够支持时长最长为1分钟的视频生成任务，展现了其在动态场景构建上的强大能力。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 小米技术原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。