duang

马云出现在淘宝直播室，鼓励主持人“卖好农产品”。_我的网站

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。

B |          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。1月10日下午，阿里巴巴技术扶贫大会在河北师范大学召开。马云出现在现场，与淘宝网网友互动。         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。马云通过工作室加入了“淘宝直播第一主播”。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。同日，VIA将直播室搬到会议现场，帮助河北贫困县销售鸡蛋、山药、冬枣、香油等21种农产品。直播进行到一半时，一个意想不到的助手来了。         训练数据以合成为主。马云看着维娅忙着向淘宝网友介绍农产品，竖起大拇指，鼓励维娅“卖农产品！”离开前，马云对现场视频和网友说了“谢谢”，感谢淘宝用户支持山外农产品，支持村民挣钱，过上好日子。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。

C | 据初步统计，河北省扶贫专项直播持续2小时，有效订单超过14万份，销售额接近600万份，累计观众达100万人次。20个贫困县21种商品中有12种已售完，其中大明香油2万瓶，宽城板栗10秒，内丘阜刚苹果20多万个。         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。要观看视频，请单击此处。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://o1ot7yi.chengjuecannaobianmouqueduoyu.shop/iqv2/20260826/249.html

Published on:16:29:03