引用krasin · 2024-08
“that discusses a paper GameNGen ([2]) that runs Doom with diffusion models was trained on TPUs”
提到 GameNGen 用扩散模型运行 Doom,且在 TPU 上训练
GameNGen:用扩散模型实时生成可玩的DOOM画面
GameNGen 是首个完全由神经网络驱动、能在长轨迹上以高质量实时交互的游戏引擎。它先让强化学习智能体玩 DOOM 并录制数据,再训练一个以过去帧和动作为条件的扩散模型来预测下一帧;条件增强让长时间自回归生成保持稳定,解码器微调提升细节与文字。系统在单块 TPU 上达到 20 帧每秒,下一帧预测 PSNR 为 29.4,人类评委即使在自回归生成 5 分钟后也只比随机猜测略强。
HN 评论者提到它是用扩散模型在 TPU 上训练并实时模拟 DOOM 的论文,并惊讶于画面以约 20 帧每秒生成。
“that discusses a paper GameNGen ([2]) that runs Doom with diffusion models was trained on TPUs”
“Also TIL this is generated at 20 frames per second”