Hunyuan-GameCraft：基于混合历史条件的高动态交互式游戏视频生成
计算机视觉与模式识别
2025-06-23 v1
摘要
扩散式及可控视频生成技术的近期进展实现了高质量且时序一致的视频合成，为沉浸式交互式游戏体验奠定了基础。然而，现有方法在动态性、通用性、长期一致性及效率方面存在局限，限制了其创建多样化 gameplay 视频的能力。为此，本文引入Hunyuan-GameCraft，一种用于游戏环境中高动态交互式视频生成的新框架。为实现细粒度动作控制，将标准键盘和鼠标输入统一映射到共享的相机表示空间，从而实现各种相机与移动操作的平滑插值。随后提出混合历史条件训练策略，通过自回归方式延伸视频序列，同时保留游戏场景信息。此外，为提升推理效率与可玩性，通过模型蒸馏降低计算开销，同时维持长时序序列的一致性，使其适用于复杂交互环境中的实时部署。该模型在由超过百万份 gameplay 记录构成的大规模数据集上训练，覆盖100多款AAA游戏，确保了广泛的覆盖范围与多样性；随后在精心标注的合成数据集上进行微调，以提升精度与控制能力。精选的游戏场景数据显著提升了视觉保真度、真实性及动作可控性。大量实验表明，Hunyuan-GameCraft显著优于现有模型，推动了交互式游戏视频生成的真实性与可玩性。
引用
@article{arxiv.2506.17201,
title = {Hunyuan-GameCraft: High-dynamic Interactive Game Video Generation with Hybrid History Condition},
author = {Jiaqi Li and Junshu Tang and Zhiyong Xu and Longhuang Wu and Yuan Zhou and Shuai Shao and Tianbao Yu and Zhiguo Cao and Qinglin Lu},
journal= {arXiv preprint arXiv:2506.17201},
year = {2025}
}
备注
Project page: https://hunyuan-gamecraft.github.io/