HOLI-World、人間の一人称視点体験から世界知能を構築するエコシステムを提案

HOLI-Worldは、一人称視点の録画から大規模な学習リソースを自動構築する統合エコシステムである。約100シーンの自前収集データから約8万組のQAペアを作成し、HOLIWORLD-VL-4Bの学習に用いた。その学習により、HOLIWORLD-Bench と EgoDynamic4D における空間・時間推論の性能が大幅に向上したとされる。