【AiBase提要:】👨💻💡🎯聚焦开发者
2024年将是AI视频之年@英伟达高级科学家 Jim Fan
“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。
为了解决这个问题,HandRefiner提出了一种条件修补方法,可以在不改变图片其他部分的情况下,修正那些形状不正常的手部图像。