H3-World: 언어 이해를 세계 제어력으로 전환

H3-World는 언어 이해를 월드 제어에 직접 연결하는 새로운 프레임워크를 공개했다. 이 기술은 캐릭터와 카메라의 동작을 텍스트 지시문으로 구성하여 MiniMax-H3의 사전 학습된 텍스트 경로를 통해 주입하는 언어 네이티브 제어(Language-Native Control) 방식을 채택했다.

핵심 특징은 다음과 같다:

• 시간적 정밀도: 각 비디오 잠재 변수(latent interval)에 하나의 액션 프롬프트를 할당하여, 시간이 지남에 따라 변하는 동작을 정밀하게 제어한다.
• 효율성 및 일반화: 단 8,000개의 게임플레이 샘플과 10,000단계의 LoRA 학습, 전체 파라미터의 **0.199%**만 학습해도 제어 가능한 캐릭터 및 카메라 모션을 구현한다.
• 확장성: 학습되지 않은 액션 조합이나 새로운 시각적 시나리오에서도 제어 성능을 유지한다.

해당 연구는 ArXiv와 Hugging Face에 공개되었으며, 코드와 모델은 GitHub 및 Hugging Face에서 확인할 수 있다.