15:05IT之家（博客/媒体）
79°
推荐理由：谷歌 DeepMind 用阿里 Wan2.1 搞了个逆天改造，一个模型能同时搞深度估计、分割、姿态估计，速度还快，搞 CV 和生成模型的值得一看。
Wan2.1
共 1 条相关 AI 资讯
7月21日
15:05
谷歌 DeepMind 发布 GenCeption，基于阿里巴巴开源视频模型 Wan2.1 训练。该模型将预训练视频生成器逆向改造，可同时完成深度估计、图像分割、3D 姿态估计等任务。与传统扩散模型需多步去噪不同，GenCeption 一次前向传播完成预测，小模型处理81帧视频约需6秒，14B大模型约需10秒。训练仅用7500段合成视频，但可泛化到真实多人视频及动物、类人机器人。输出细节可保留猫胡须和单根发丝边缘，部分结果甚至优于训练数据渲染质量。