DeepMind率先提出CoF：视频模型有自己的思维链
DeepMind提出“帧链”（CoF）概念，类比语言模型的思维链，推动视频模型实现时空推理。基于Veo 3的实验显示，该模型在零样本下可完成感知、建模、操控等多类视觉任务，在迷宫规划中成功率高达78%（Veo 2为14%），经18384个视频测试验证其通用潜力。尽管专用模型仍领先，但性能差距正快速缩小，结合多次生成优化与成本下降趋势，通用视频模型或将成为机器视觉的“基础模型”。来源：https://mp.weixin.qq.com/s/2eg4YOfgCgbhdd7FaSJl9A
页:
[1]