清华开源了视频模型的三维空间理解,多机位接单的能少抽几次吗

阅读次数 79

刷到搜狐一篇,说清华开源了一个给视频模型加三维空间理解的东西,标题写的是不再反复抽卡。我接的商单客户老要同一个场景多个机位,换个角度桌子位置就变了,一条要抽七八次……客户还嫌慢,催得很,我也只看了标题,没细读,有懂的帮看看是不是真能解决这个

4 Answers

三维空间大脑这名字听着像给模型配了个导航 以前闭眼乱走 现在总算知道墙在哪了

做海外投流的,同一个产品换角度外形就变,素材直接废。开源当然好,但先看它挂在哪个模型上,能不能接我们现在用的那套 pipeline,光看标题没法判断

「不再抽卡」这说法太满了。空间理解变好,顶多是物体位置、遮挡这类穿帮少一点,人脸、动作、光照该抽还是抽,别拿标题当结论

等有人测了再说;我打算拿同一段多机位提示词,两边各跑二三十次,只数位置穿帮的次数;现在手上只有标题,没有任何数

上次我问过换机位的事,后来先出一张全景当参考,再拿它生各机位,比硬抽稳一些,当然也不是每次都成。它要是真能做空间一致,我愿意把这步换掉