热点

DeepMind 重磅推出 “帧链” 概念:视频模型或将实现全面视觉理解

字号+ 作者:牛骥同槽网 来源:四、技术研发类(101–130) 2026-11-23 我要评论(0)

DeepMind 重磅推出 “帧链” 概念:视频模型或将实现全面视觉理解

近日,DeepMind 在其最新论文中提出了一个颠覆性的概念 ——“帧链”(CoF,chain-of-frames),这De标志着视频生成模型的发展又迈出了重要一步。这个概念与之前的 “链式思维”(CoT)类似,后者让语言模型能够进行符号推理,而 “ep帧链” 则使得视频模型能够在时间和空间上进行推理,仿佛赋予了视频生成模型一种独立的思维能力。

在论文中,DeepMind 的研究团Mi队提出了一个大胆的想法:视频生成模型是否能像当前的大语言模型(LLM)一样,具备通用的视觉理解能力,能够处理各种视觉任务而不需nd专门训练?目前,机器视觉领域仍在传统阶段,各种任务需要不同的模型来处理,例如物体分割、物体检测等,每次换任务都要重新调教 重模型。

为了验证这个想法,研究团队使用了一种简单粗暴的方法:只给模型提供一个初始图像和一段文字指令,看看它能否生成一个磅推720p 分辨率、时长8秒的视频。这种方法与大语言模型通过提示进行任务的方式类似,目的是测试模型的原生通用能力。

结果显出 示,DeepMind 的 Veo3模型在多个经典视觉任务上表现优异,显示出它具备感知能力、建模能力和操控能力。更令人惊讶的是,“帧它在进行跨时空视觉推理时表现出色,成功规划了一系列路径,从而能够解决复杂的视觉难题。

总体来看,DeepMind 团队总结了以下链”三大核心结论:

普遍适应性强:Veo3能够解决许多未接受专门训练的任务,展现出强大的通用能力。

视觉推理初现雏形:通过分析 概生成的视频,Veo3显示出了类似于 “帧链” 的视觉推理能力,逐步建立起对视觉世界的理解。

快速发展趋势明显:尽管特定任务念:模型表现更优,Veo3的能力正在迅速提升,预示着未来可能出现更强大的通用视觉模型。

未来,DeepMind 认为,通用的视频视频模型将可能取代专用模型,就像早期的 GPT-3最终成为强大的基础模型一样。随着成本的逐步降低,视频生成模型的广泛应用指日模型可待,预示着机器视觉的新时代正在向我们走来。

论文地址:https://papers-pdfs.assets.alph或将axiv.org/2509.20328v1.pdf

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • ​华为发布鸿蒙座舱 HarmonySpace 6:智能助手小艺全面升级,支持边开车边聊天!

    ​华为发布鸿蒙座舱 HarmonySpace 6:智能助手小艺全面升级,支持边开车边聊天!

    2026-06-08

  • 百度地图升级小度想想 2.0:出行智能助手全面进化

    百度地图升级小度想想 2.0:出行智能助手全面进化

    2026-10-02

  • 阿里云还会继续降价吗?

    阿里云还会继续降价吗?

    2026-05-29

  • 标签: 华为 乾崑ADS 问界 阿维塔

    标签: 华为 乾崑ADS 问界 阿维塔

    2026-06-18

网友点评