您的位置：首页 → 单机游戏 → 角色扮演 → 怪物猎人世界新装备介绍怪物猎人世界新装备新系统一览

家族诞生

谷歌 DeepMind 发布 GenCeption：打破计算机视觉桎梏_我的网站

明日之子

A | IT之家 7 月 21 日消息，科技媒体 The Decoder 昨日（7 月 20 日）发布博文，报道称谷歌 DeepMind 发布 GenCeption 模型，将预训练的视频生成器重新用于深度估计和分割等经典计算机视觉任务。 IT之家援引博文介绍，大语言模型在学习预测下一个 Token 的时候，在训练过程中往往需要吸收语法、世界知识和上下文关系等内容。

    　　活塞核心凯德-坎宁安近日接受媒体 ClutchPoints 记者 DJ Siddiqi 专访，聊到球队休赛期重磅引援约翰-科林斯，给出了极高的正面评价。

    　　谈及这名刚加盟的前锋，坎宁安表示，科林斯能带给活塞的提升绝非单一维度，恰好填补球队现阶段大量刚需。         但是在计算机视觉领域，视觉模型缺少等效的训练方法，主要由专业模型主导，包括用于分割的“Segment Anything”和用于深度估计的“Depth Anything”，每个模型都使用其特定的架构。         谷歌 DeepMind 团队为此提出 GenCeption 模型方案，尝试将一个“生成视频”的 AI 模型逆向改造成一个能“理解世界”的视觉分析引擎。         GenCeption 打破了传统计算机视觉“一个任务一个专用模型”的格局，仅凭单一模型就能同时做好深度估计、图像分割、3D 姿态估计、表面法线预测和相机姿态估计等核心视觉任务。不管是进攻端终结与三分投射、防守端对抗卡位，还是出众身体天赋、强硬赛场作风与成熟竞技心态，科林斯全部兼备，很难单独挑出他最突出的一项优势，整体价值十分全面。

    　　休赛期活塞敲定引援合同，约翰-科林斯以 3 年总薪资 5100 万美元正式入驻底特律，新赛季将和坎宁安组成前场搭档。         GenCeption 基于阿里巴巴开源视频模型通义万相 Wan2.1 系列训练，与传统扩散模型需多步去噪不同，GenCeption 在一次前向传播中完成预测，从而提升视觉任务处理速度。模型通过文本提示指定任务，可输出深度图、表面法线图、分割掩码，并可处理相机运动表示。         训练数据以合成为主。论文称，数据集仅包含 7500 段视频，由 800 个数字人体模型与 200 段动作捕捉序列组合生成，再通过 Blender 在不同背景和镜头角度下渲染。         泛化方面，GenCeption 几乎只在单人合成视频上训练，但可处理真实多人视频，也可迁移到动物和类人机器人类别。论文称，部分输出细节甚至超过训练时 Blender 渲染结果，可保留猫胡须和单根发丝边缘。         性能方面，论文给出两组处理时间数据：小模型处理 81 帧视频约需 6 秒；大模型参数量为 140 亿，处理同样长度视频约需 10 秒。         参考。

Current article:http://x9o1nwa.shuaiseduanguanzhui.bond/list_1b4ze/clcyvmm.html

Published on:14:16:12

文章评论

查看所有0条评论>>