“明明是同一個客廳場景，鏡頭一轉，沙發就從靠窗位置移到了墻邊；生成的廚房視頻里，冰箱突然‘穿透’了櫥柜”—— 這是當前 AIGC 視頻工具的常見問題，行業稱之為 “空間一致性不足”。這一問題不僅影響視頻的真實感，更讓 AI 視頻難以應用于虛擬看房、產品演示等商業化場景。而群核科技在首屆 TechDay 上發布并開源的空間生成模型 SpatialGen，正是用 3D 擴散模型技術，從根源上破解了這一行業痛點。
近日，群核科技在首屆技術開放日（TechDay）上正式發布其空間大模型最新成果：新一代空間語言模型SpatialLM 1.5與空間生成模型SpatialGen。其中，SpatialGen依托群核科技海量室內3D場景數據與多視角擴散模型技術，可生成3D高斯（3DGS）場景和渲染漫游視頻，并確保同一物體在不同鏡頭下始終保持準確的空間屬性和物理關系，支持任意視角切換、路徑漫游，光照、紋理、遮擋關系全程物理一致。
圖說：SpatialGen的多視角一致性演示
要理解 SpatialGen 的突破，首先需要搞清楚 AI 視頻 “穿幫” 的根源：當前多數文生視頻、圖生視頻工具，都是基于 2D 圖像或視頻數據訓練，缺乏對 3D 空間結構的理解。比如，AI 生成室內視頻時，會將每個鏡頭視為獨立的 2D 圖像來處理，無法記住 “沙發在 3D 空間中的真實位置”，導致鏡頭切換時物體 “漂移”；生成物體交互場景時，也無法理解 “冰箱不能穿透櫥柜” 的物理邏輯。
這背后的原因是當下多數視頻生成模型是基于圖像或視頻數據訓練，圖像缺少人類感知空間時所依賴的深度線索，因此僅憑自然語言難以讓 AI 建立精確的空間關系認知，因此會缺乏對 3D 空間結構和物理法則的理解和推演能力。
SpatialGen 依托群核積累的數億 3D 空間數據集和自研渲染引擎，訓練可以生成任意指定視角圖片的擴散模型。其核心在于讓 AI 對空間的認知嚴格符合真實物理規律，從底層解決 2D 感知到 3D 理解的映射偏差。并首次基于多視角擴散+3DGS重建技術，從源頭解決空間一致性問題。
TechDay 現場的對比演示，直觀展現了這種技術的優勢：工作人員分別用其他AI視頻生成模型和 SpatialGen 生成 “客廳漫游視頻”。其他模型生成的視頻，在鏡頭轉換過程中，家具發生了明顯不一致狀況，而 SpatialGen 生成的視頻中，無論鏡頭如何切換 —— 從正面拍沙發，從側面拍餐桌，從俯瞰拍整個客廳 —— 沙發、餐桌的位置與尺寸始終保持一致。
SpatialGen 能實現這種突破，還得益于群核科技海量的 3D 場景數據和空間智能飛輪支撐?；诳峒覙愤@一全球最大的空間設計平臺，群核科技構建了“空間編輯工具-空間合成數據-空間大模型”的空間智能飛輪，讓工具沉淀數據，用數據加速模型訓練，用模型提升工具體驗，再在工具的廣泛應用中沉淀更為豐富的場景數據。正如快手依托短視頻生態推動可靈迭代一樣，群核憑借酷家樂沉淀的海量室內物理數據，正在空間智能領域復現“工具—數據—模型”的技術增強回路。
據透露，群核還在研發一款基于3D技術的AI視頻生成產品，并計劃在今年內正式發布——這或許是全球首款深度融合3D能力的AI視頻生成Agent。通過構建3D渲染與視頻增強一體化的生成管線，有希望彌補當前AIGC視頻生成中時空一致性不足的問題。
（本文來源：大象新聞。本網轉發此文章，旨在為讀者提供更多信息資訊，所涉內容不構成投資、消費建議。對文章事實有疑問，請與有關方核實或與本網聯系。文章觀點非本網觀點，僅供讀者參考。）
“明明是同一個客廳場景，鏡頭一轉，沙發就從靠窗位置移到了墻邊；生成的廚房視頻里，冰箱突然‘穿透’了櫥柜”—— 這是當前 AIGC 視頻工具的常見問題，行業稱之為 “空間一致性不足”。這一問題不僅影響視頻的真實感，更讓 AI 視頻難以應用于虛擬看房、產品演示等商業化場景。而群核科技在首屆 TechDay 上發布并開源的空間生成模型 SpatialGen，正是用 3D 擴散模型技術，從根源上破解了這一行業痛點。
近日，群核科技在首屆技術開放日（TechDay）上正式發布其空間大模型最新成果：新一代空間語言模型SpatialLM 1.5與空間生成模型SpatialGen。其中，SpatialGen依托群核科技海量室內3D場景數據與多視角擴散模型技術，可生成3D高斯（3DGS）場景和渲染漫游視頻，并確保同一物體在不同鏡頭下始終保持準確的空間屬性和物理關系，支持任意視角切換、路徑漫游，光照、紋理、遮擋關系全程物理一致。
圖說：SpatialGen的多視角一致性演示
要理解 SpatialGen 的突破，首先需要搞清楚 AI 視頻 “穿幫” 的根源：當前多數文生視頻、圖生視頻工具，都是基于 2D 圖像或視頻數據訓練，缺乏對 3D 空間結構的理解。比如，AI 生成室內視頻時，會將每個鏡頭視為獨立的 2D 圖像來處理，無法記住 “沙發在 3D 空間中的真實位置”，導致鏡頭切換時物體 “漂移”；生成物體交互場景時，也無法理解 “冰箱不能穿透櫥柜” 的物理邏輯。
這背后的原因是當下多數視頻生成模型是基于圖像或視頻數據訓練，圖像缺少人類感知空間時所依賴的深度線索，因此僅憑自然語言難以讓 AI 建立精確的空間關系認知，因此會缺乏對 3D 空間結構和物理法則的理解和推演能力。
SpatialGen 依托群核積累的數億 3D 空間數據集和自研渲染引擎，訓練可以生成任意指定視角圖片的擴散模型。其核心在于讓 AI 對空間的認知嚴格符合真實物理規律，從底層解決 2D 感知到 3D 理解的映射偏差。并首次基于多視角擴散+3DGS重建技術，從源頭解決空間一致性問題。
TechDay 現場的對比演示，直觀展現了這種技術的優勢：工作人員分別用其他AI視頻生成模型和 SpatialGen 生成 “客廳漫游視頻”。其他模型生成的視頻，在鏡頭轉換過程中，家具發生了明顯不一致狀況，而 SpatialGen 生成的視頻中，無論鏡頭如何切換 —— 從正面拍沙發，從側面拍餐桌，從俯瞰拍整個客廳 —— 沙發、餐桌的位置與尺寸始終保持一致。
SpatialGen 能實現這種突破，還得益于群核科技海量的 3D 場景數據和空間智能飛輪支撐。基于酷家樂這一全球最大的空間設計平臺，群核科技構建了“空間編輯工具-空間合成數據-空間大模型”的空間智能飛輪，讓工具沉淀數據，用數據加速模型訓練，用模型提升工具體驗，再在工具的廣泛應用中沉淀更為豐富的場景數據。正如快手依托短視頻生態推動可靈迭代一樣，群核憑借酷家樂沉淀的海量室內物理數據，正在空間智能領域復現“工具—數據—模型”的技術增強回路。
據透露，群核還在研發一款基于3D技術的AI視頻生成產品，并計劃在今年內正式發布——這或許是全球首款深度融合3D能力的AI視頻生成Agent。通過構建3D渲染與視頻增強一體化的生成管線，有希望彌補當前AIGC視頻生成中時空一致性不足的問題。
（本文來源：大象新聞。本網轉發此文章，旨在為讀者提供更多信息資訊，所涉內容不構成投資、消費建議。對文章事實有疑問，請與有關方核實或與本網聯系。文章觀點非本網觀點，僅供讀者參考。）
