OpenAI 发布 Sora：视频生成模型作为世界模拟器

OpenAI 公开视频生成模型 Sora，在可变时长、分辨率和宽高比的视频与图像上联合训练文本条件扩散模型，采用作用于视频和图像 latent code 时空 patch 的 Transformer 架构。其最大模型 Sora 可生成一分钟高保真视频，研究结果提示规模化视频生成模型是构建通用物理世界模拟器的一条可行路径。