无需人工标注，轻量级模型运动理解媲美72B模型，英伟达、MIT等联合推出FoundationMotion
当前视频大模型普遍“看不懂”物体运动，主因是缺乏细粒度运动数据。MIT、NVIDIA、UC Berkeley 等推出 FoundationMotion——一套全自动、无须人工标注的数据生成系统，利用轨迹追踪与 GPT-4o-mini 自动生成约 50 万条高质量运动理解数据。实验显示，仅用该数据微调的 15B 模型在 AV-Car 基准上达 90.6%，超越 Gemini-2.5 Flash 与 72B 开源模型，验证了高质量数据对提升物理理解的关键作用。来源：https://mp.weixin.qq.com/s/m6u0qwyVhutTr9E4B8YwtQ
页:
[1]