幻夜

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

一 |     交通部长兼财政部第二部长徐芳达主持。    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。

二 | （图：Facebook/Chee Hong Tat 徐芳达）我国金融管理局成立的股票市场检讨工作小组举行第一次会议，确立了企业与市场以及监管两大工作流的首要任务。金管局发表文告说，本月19日举行的首次会议由交通部长兼财政部第二部长徐芳达主持。         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。         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。

三 |          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。         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。会上决定，企业与市场工作流将着重探讨鼓励上市、增加投资者参与、改善交易流动性和促进上市股票公平估值的建议。

四 | 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。

五 | 监管工作流则会探讨如何精简监管框架、改进上市程序、加强以披露为准的机制的有效性，以及强化企业治理标准和投资者的申诉管道。

六 | 工作小组也公布了两大工作流的成员，其中包括资本市场从业员、投资者权益组织、行业协会及学术界人士。徐芳达表示，工作小组及工作流的成员将通过业界圆桌会议和焦点小组讨论进行广泛的咨询。         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。他指出，要解决本地股票市场所面对的挑战没有万灵丹，当局需要的是一套可执行的解决方案。         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。

七 | 这套方案必须有效，能发挥互补作用，也能善用我国作为可信赖的商业及金融中心的优势。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://83fgbj.cengzaodengchawonin.cyou/list_vpepqit/qbd.html

Published on:18:11:37