Qwen负责人转发2025宝藏论文，年底重读「视觉领域GPT时刻」
谷歌DeepMind在ICCV 2025发表的研究表明，视频模型正迈向“视觉GPT时刻”。基于1.8万组实验，其Veo 3模型通过“思维链”CoF机制，在未专门训练的情况下，仅凭文字提示即可完成62种视觉任务。该模型将推理过程融入逐帧生成，使视频不仅是输出，也成为可视化的思考路径，统一了检测、分割、规划等多类任务，展现出类似大语言模型的零样本泛化能力，标志着计算机视觉向通用智能迈出关键一步。来源：https://mp.weixin.qq.com/s/bGNOd-hC3eBWiO3djHXexg
页:
[1]