Google DeepMind 釋出了 GenCeption 模型,該模型基於預訓練的影片生成模型 Wan2.1 構建,在深度估計、影象分割以及 3D 姿態估計方面均展現出接近甚至超越傳統模型的效能。其訓練僅需 7,500 個合成影片,遠少於常規模型,且具備處理現實世界多人物場景的能力。不過,對於每段 81 幀的影片,其推理速度仍存在瓶頸,需要 6 到 10 秒才能完成處理。
評論 (0)
0/300





首頁
