腾讯混元世界模型1.1开源：单卡秒级重建3D世界成为现实

主要观点总结

文章介绍了腾讯混元团队新开源的混元世界模型1.1，该模型专注于LLM的市场研究和AIGC开发者生态。模型能够让任意视觉输入在数秒内生成一个可漫游的3D世界，新增了支持多视图及视频输入，单卡即可部署，秒级创造3D世界。文章详细描述了模型的技术细节，包括多模态先验提示机制、处理相机位姿和深度图的方式、多任务协同训练模式等。模型采用课程学习策略，同时在四个核心任务上取得最先进性能。秒级推理能力为游戏、影视等领域打开新的想象空间。

关键观点总结

关键观点1: 腾讯混元团队开源混元世界模型1.1

这是7月发布的混元3D世界模型1.0的升级版，支持多视图及视频输入，单卡即可部署，可秒级创造3D世界。

关键观点2: 模型技术细节

包括多模态先验提示机制、处理相机位姿和深度信息的方式，以及多任务协同训练模式等。

关键观点3: 课程学习策略

模型采用课程学习策略，从任务顺序、数据调度和渐进分辨率三个维度展开，保证模型先学习底层的几何理解，再学习上层的渲染表示。

关键观点4: 模型性能

在点云重建、相机位姿估计、表面法线估计和新视角合成四个核心任务上取得最先进性能。

关键观点5: 秒级推理能力

单卡秒级的推理能力，降低了高质量3D内容创作的门槛，为游戏、影视、虚拟现实等领域提供了新的可能性。