“I”:视频输入。GPT-4V对视频的理解还相当原始，因为它将视频视为一系列离散图像。减少信息冗余的最聪明方法是什么?学习目标应该是什么?下一帧预测与下一个单词预测有着明显的类比关系，但它是否是最佳的?如何与语言交错?如何引导机器人和人工智能的视频学习?业界尚未达成共识。
2024年将是实时扩散应用的一年。
Johnson称:
尽管HandRefiner主要针对手部图像，但其基本原理和技术也可以适用于其他需要精细修正的图像生成任务，比如修正脚或耳朵等部分。
站长之家（ChinaZ.com）1月2日 消息:近日，腾讯宣布推出一项名为 Paint3D 的技术，该技术在解决了生成没有内嵌光照信息的高质量纹理的挑战后，成为自动化纹理贴图生成领域的重大进展。