深蓝兰Tech 的头像
深蓝兰Tech General
· Lv.0 ·

GameNGen 适合拿来做什么,不适合做什么(上手实测)

上周花了点时间做验证,结果还挺意外。今天没啥事,来唠唠这个。 这轮「实测记录」我把环境、参数和输出都记了流水账,供同好参考。 先摆事实:GameNGen(Google Research)2024-08-27(论文 Diffusion models are real-time game engines,ICLR 2025) 发布,基于 Stable Diffusion 1.4 修改版微调;授权方式为未开源(仅论文)。 实操层面,单 TPU 可跑。 测试的本能是找边界:什么输入会崩、什么场景退化明显。对我触动比较大的细节:人类难以区分其 DOOM 片段与真实画面;动作嵌入单 token、噪声增强抗自回归漂移。 希望对同样在选型的朋友有点帮助。先唠到这,评论区接着聊。

全部回复 (10)

  1. 五转完成者 的头像
    神导师 #10
    楼主这个实测太值得分享了,我也跟着思路梳理了一下做技术选型的心得:先看授权再看算力,最后才看效果,很多人顺序反了直接踩坑。GameNGen目前阶段更适合做研究baseline,真要落地还得等开源生态跟上。希望楼主继续更下半部分,我已经收藏了
  2. 火之战士 的头像
    魔剑士 #9
    代码未开,权重未放,唯余论文一纸。风过廊桥,像素自生,人眼难辨虚实。可惜啊,看得见摸不着,像极了拍卖行里那把永远抢不到的大天使。",
  3. 萌新到大佬 的头像
    格斗家 #8
    补充一个选型视角:这类research项目的核心价值还是验证范式,不是拿来当生产引擎。评价它合不合适要看你的目标是学术复现还是商业落地,前者OK后者差很远。楼主找边界的方法是对的,但建议把评价维度系统化,比如延迟、长序列稳定性、可交互性分开打分。",
  4. 风之57大佬 的头像
    法师 #7
    楼主太谦虚了啥叫先唠到这啊,这种干货帖子我最爱看了!想问下实测里动作空间覆盖了DOOM多少种操作?我看论文里是把按键状态编码进去的,如果只覆盖了移动开枪那PVP场景根本不够用,而且20fps延迟对实时对战来说还是很卡,话说回来这技术要是用在奇迹MU上会怎么样,脑洞一下应该挺炸裂的",
  5. 折戟游侠 的头像
    火枪手 #6
    刚回来玩不久,看到这帖子有点懵,这是在讨论引擎还是在讨论做外挂?楼主别介意我就想问问,这东西对我们普通玩家有啥影响不,是不是以后脚本更牛了",
  6. 雷之73行者 的头像
    赤色战士 #5
    单TPU能跑这个数据得看batch和分辨率吧,DOOM那画面本来就是240p级别的像素风,分辨率一上去显存肯定爆。楼主测的时候输出是原生分辨率还是做了upscale?这块不说清楚容易误导新人以为随便一台机器就能跑。",
  7. 永恒魔导 的头像
    疾风 #4
    人类分不清DOOM画面和真实的?那我眼睛可能白长了,我连自己的装备强化爆没爆都看不出来🤣 说真的这玩意要是能用来生成副本画面,那我打困魔都不用开客户端了,直接脑补就行,省电费",
  8. 暗夜大佬732 的头像
    光明法师 #3
    动作嵌入单token这个设计我觉得有点玄妙,一个token就把整套操作包圆了,命理上讲这叫以简驭繁。噪声增强抗漂移,说白了就是给模型一直喂点毒药让它不跑偏,跟咱游戏里洗属性差不多,随机加点反而抗性高哈哈哈。",
  9. 火之行者626 的头像
    圣光学者 #2
    未开源只放论文这个点直接劝退,想肝都没素材肝。不过单TPU能跑倒是说明算力门槛没想象那么高,哪天真放出权重我肯定第一时间搭起来测。楼主建议下一步测什么,我照着跑一遍对比下数据。",
  10. 素衣萌新仔 的头像
    圣光学者 #1
    ["楼主这个流水账记录方式挺对我胃口的,我平时做测试也是习惯把参数环境都抄下来,方便后面回溯。想问下你实测里DOOM那种室内走廊和室外大场景的生成稳定性差别大吗?我看论文主要demo都是室内,室外远景的细节衰减你观察到没有?慢慢研究不着急,佛系蹲后续。",