GameFactory：基于生成式交互视频创建新游戏

生成式视频有望通过自主创建新内容来革新游戏开发。在本文中，我们提出了GameFactory——一个面向动作控制场景可泛化的游戏视频生成框架。我们首先通过引入GF-Minecraft——一个无人偏见的带动作标注的游戏视频数据集，并开发动作控制模块来实现对键盘和鼠标输入的精确控制，来解决动作可控性的根本性挑战。我们进一步扩展以支持无限长度交互式视频的自回归生成。更重要的是，GameFactory解决了场景可泛化动作控制的关键挑战，而大多数现有方法都未能解决这一问题。为实现超越固定风格和场景的全新多样化游戏的创建，我们利用来自预训练视频扩散模型的开放领域生成先验。为弥合开放领域先验与小规模游戏数据集之间的领域差距，我们提出了一种带有领域适配器的多阶段训练策略，以解耦游戏风格学习与动作控制。这种解耦确保动作控制学习不再局限于特定游戏风格，从而实现场景可泛化动作控制。实验结果表明，GameFactory有效地生成了可控的开放领域动作游戏视频，标志着AI驱动游戏生成的重要进展。