量子位
·
DeepMind率先提出CoF：视频模型有自己的思维链
💡
原文中文，约2300字，阅读约需6分钟。
📝
内容提要
DeepMind提出了“帧链”（CoF）概念，旨在赋予视频模型通用视觉理解能力。Veo 3模型通过简单提示生成视频，展现出感知、建模和操控能力，能够处理多种视觉任务。尽管在特定任务上不及专用模型，但其性能正在快速提升，未来有望成为机器视觉的“通用基础模型”。
🎯
关键要点
- DeepMind提出了帧链CoF概念，旨在赋予视频模型通用视觉理解能力。
- Veo 3模型通过简单提示生成视频，展现出感知、建模和操控能力。
- Veo 3能够零样本解决多种视觉任务，未来有望成为机器视觉的通用基础模型。
- 视频生成模型与大语言模型（LLM）使用相同的底层逻辑，具备通用潜力。
- Veo 3在感知、建模、操控和跨时空视觉推理方面表现出色。
- 尽管专用模型在特定任务上表现更优，但Veo 3的性能正在快速提升。
- DeepMind认为未来通用模型将取代专用模型，视频模型的成本问题将逐步解决。
➡️
