外骨骼机器人刷爆五一假期,千亿市场“钱”景无限年中最强3K档性能机!iQOO Neo10 Pro+跑分破331万微软CEO:公司多达30%的代码是由AI生成的!Claude 移动应用即将推出语音模式,支持多种声音选项Excel MCP Server上线 可通过Claude等客户端直接操作Excel文件谷歌Gemini聊天机器人全新升级:支持多图上传和图像编辑功能Freepik 发布“F Lite”:一个为版权安全而构建的开放AI图像模型iOS18.6或为中国用户启用AI功能 国行苹果AI或由阿里百度技术支持Claude AI将升级:网页版酝酿支持MCP定制链接Midjourney V7推出全新功能 “Omni-Reference”,让图像生成更灵活Runway发布图像一致性参考功能 Gen-4References 支持提取人物、场景或风格特征及多图混合Suno v4.5正式上线,仅限付费用户使用,生成歌曲延长至8分钟英伟达全新开源自动语音识别模型 Parakeet-TDT-0.6B-V2,语音转录能力再提升谷歌悄然成立 100 Zeroes 影视公司,针对年轻群体提升安卓“酷感”新西兰推动立法,拟禁止 16 岁以下未成年人使用社交媒体消息称塔塔电子就晶圆代工与 OSAT 合作同恩智浦展开谈判魅族Flyme AIOS 2宣布接入阿里云端到端大模型Qwen Omni小米汽车公布“风刀”专利:整车空气动力学大提升上线仅7天!阿里通义千问3强势登顶全球开源模型宝座沃尔沃电动卡车销量破5000辆 特斯拉Semi仍陷量产困境
  • 首页 > 云计算频道 > 大模型

    视频生成模型“VideoWorld”开源:无需语言模型即可认知世界

    2025年02月10日 17:00:30   来源:Citnews中文科技资讯

      今日,豆包大模型团队联合北京交通大学、中国科学技术大学共同发布了视频生成实验模型“VideoWorld”,并宣布其代码正式开源。与主流多模态模型如Sora、DALL-E和Midjourney不同,VideoWorld在业界首次实现了无需依赖语言模型即可认知世界。

      现有模型大多依赖语言或标签数据来学习知识,而VideoWorld则专注于纯视觉信号的学习。例如,折纸、打领结等复杂任务难以通过语言清晰表达,而VideoWorld通过去除语言模型,实现了对这些任务的理解和推理。此外,该模型基于潜在动态模型,能够高效压缩视频帧间的变化信息,显著提升知识学习效率。

      值得一提的是,VideoWorld在不依赖任何强化学习搜索或奖励函数机制的前提下,达到了专业5段9x9围棋水平,并能够在多种环境中执行机器人任务。这一创新为视频生成技术开辟了新的发展方向。

      文章内容仅供阅读,不构成投资建议,请谨慎对待。投资者据此操作,风险自担。

    即时

    新闻

    明火炊具市场:三季度健康属性贯穿全类目

    奥维云网(AVC)推总数据显示,2024年1-9月明火炊具线上零售额94.2亿元,同比增加3.1%,其中抖音渠道表现优异,同比有14%的涨幅,传统电商略有下滑,同比降低2.3%。

    企业IT

    重庆创新公积金应用,“区块链+政务服务”显成效

    “以前都要去窗口办,一套流程下来都要半个月了,现在方便多了!”打开“重庆公积金”微信小程序,按照提示流程提交相关材料,仅几秒钟,重庆市民曾某的账户就打进了21600元。

    3C消费

    华硕ProArt创艺27 Pro PA279CRV显示器,高能实力,创

    华硕ProArt创艺27 Pro PA279CRV显示器,凭借其优秀的性能配置和精准的色彩呈现能力,为您的创作工作带来实质性的帮助,双十一期间低至2799元,性价比很高,简直是创作者们的首选。