精选理由
BFL 的视觉智能路线图揭示了多模态联合训练如何通向物理级世界理解，做内容生成、视频或机器人开发的团队值得关注这一方向。
BFL 在 X 上分享了对视觉智能的愿景，指出通过联合训练视频、图像和音频，模型能获得对真实世界的物理级理解。这种通用视觉处理能力不仅会提升图像和视频生成质量，还能通过动作预测接入机器人，将人类学习方式映射到机器上。内容创作、视频和物理 AI 被视为解决基础视觉智能后的自然延伸。
AI 翻译 · 中文
BFL 在 X 上分享了对视觉智能的愿景，指出通过联合训练视频、图像和音频，模型能获得对真实世界的物理级理解。这种通用视觉处理能力不仅会提升图像和视频生成质量，还能通过动作预测接入机器人，将人类学习方式映射到机器上。内容创作、视频和物理 AI 被视为解决基础视觉智能后的自然延伸。
@WIRED covered where we're headed. At BFL, we train models to be as general as possible when it comes to processing and understanding visual data. Joint training on video, images, and audio = a physics-level understandin…