Oral

在2024世界经济论坛的一次会谈中，图灵奖得主YannLeCun提出用来处理视频的模型应该学会在抽象的表征空间中进行预测，而不是具体的像素空间[1]。借助文本信息的多模态视频表征学习可抽取利于视频理解或内容生成的特征，正是促进该过程的关键技术。

用上扩散模型，3D物体生成纹理一句话就能搞定!像是输入“一张带有棕色和黑色几何图案的椅子”，扩散模型就能立刻给它复个古，贴上颇具年代感的纹理:甚至只是丢给它一张看不出桌面长啥样的“截图”，AI也能立刻凭借想象力，给桌面加上木质的细节纹理:要知道，给3D物体加上纹理，可不只是“变变颜色”这么简单。