韓国のインターネット大手Naverは、自社のStreet View画像の100万枚超に基づく実際の都市のジオメトリに根差した動画のワールドモデルを構築しました。このモデルは微調整なしで他の都市にも一般化します。
この記事 Naverの「ソウル・ワールドモデル」は、実際のStreet Viewデータを使ってAIが都市まるごとを作り話（ハルシネーション）するのを防ぐ はThe Decoderに最初に掲載されました。
Naverの「Seoul World Model」は実際のストリートビューのデータを使って、AIが都市全体を作り話（ハルシネーション）するのを防ぐ
THE DECODER / 2026/3/29
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- Naverは「Seoul World Model」を開発しました。これは、1,000,000枚以上のストリートビュー画像から得られた実在する都市のジオメトリに基づく、ビデオのワールドモデルです。
- 実際の空間構造に生成を根差すことで、この手法はAIシステムが都市全体を作り話する傾向を低減することを目的としています。
- このモデルは微調整を必要とせずに他の都市へ一般化でき、学習された表現が環境をまたいで転移することを示唆しています。
- この取り組みは、大規模な地理空間データを用いて生成の忠実度と信頼性を高める、「現実に根差した」生成モデリングへの転換を浮き彫りにしています。
