00:00 / 02:08
连播
清屏
智能
倍速
点赞65
Karminski4天前
Meta 的新模型 SAM 3 实测! 给大家带来 Meta 的 SAM 3 大模型实测! 这个大模型有4个功能, 分别是视频内容识别, 图片内容识别, 图片生成3D模型, 图片生成3D人物姿势模型. 首先来看第一个测试, 视频内容识别 让我们从简单的场景开始, 这是一个机器人工作的场景, 左侧搜索栏自动给出了视频中物体的名称, 我们选择 robot, 然后进行标记. 结果效果一般, 可以看到只有后面一段成功标记了机器人, 但是视频前面没有标记, 这意味着模型可能迁移性较差. 真的是这样吗? 我们再来复杂一些的视频, 高速运动的自行车比赛视频, 左侧并没有识别到运动员, 但神奇的是识别到了袜子哈哈哈, 别担心, 我们看下这个自行车标记的效果怎样, 很不错, 那么我们手动增加标记试一下, 牛皮, 这次毫无问题了. 那么最大可以标记多少? 来看第三个测试, 点击标记 people 后, 自动标记了 10个人. 当我们手动标记第11个时, 就会失败, 所以视频内容识别最大标记量为10个目标. 再来看图片内容识别 我们上来就来个猛的, 让他标记图片中所有的泡泡, 可以看到绝大部分的泡泡都成功标记了, 不过有些重叠的还是漏掉了. 当然这个效果已经很牛了, 跟专门训练的 yolo 有一拼. 那么再增加一些, 还能识别吗? 来看这个识别水滴, 完蛋啦! 这个无法正确标记, 主要还是目标天多了, 不过手动标记单个目标还是没问题的. 动物能标记吗? 没问题, 看这个绵羊标记, 很成功. 另外, 如果是训练的少的内容, 泛化效果也不好, 比如终极难题电路板, 虽然识别出来有电容电阻, 但是点击后还是会把各种原件混淆到一起. 然后是3D场景建模 首先是Mamiya相机, 我们让它建模, 可以看到图片中展示的面还可以, 但是其它面就出现幻觉了, 这个时目前3D建模模型的通病. 毕竟没看过的东西大模型也脑补不出来. 另外还内置了一些有趣的特效, 对于社交媒体的场景很有创意. 然后复杂一点, 我们来一个蒸汽机车, 可以看到这次则是建模精度有些问题, 火车的机械细节还原度不够. 我们来测试多物体建模, 这个表现很好, 可以看到乐高小人建模的效果很不错. 那么场景建模怎样呢? 我们来个楼梯, 完蛋, 这个幻觉太严重了, 把楼梯建模成了平台.
00:00 / 04:30
连播
清屏
智能
倍速
点赞35
00:00 / 01:15
连播
清屏
智能
倍速
点赞8
00:00 / 01:10
连播
清屏
智能
倍速
点赞9
一川AI6天前
今日AI新闻2025.11.20 1. Meta 发布 Segment Anything 系列最新模型 SAM3D,通过 2D 照片即可生成高质量 3D 资产。该模型采用 “空间位置 - 语义” 联合编码技术,能精准预测物体表面法向与坐标,在物体和人像重建领域刷新行业标杆。目前已集成至 Quest3 与 Horizon Worlds 创作工具,手机端实时推理 SDK 即将推出。 2. 华纳音乐与 AI 公司 Udio 达成和解,双方计划 2026 年推出授权音乐训练的 AI 创作平台。用户可通过该平台使用艺术家声音进行混音、翻唱等创作,艺术家将获得相应报酬。同一天,AI 音乐公司 Suno 宣布完成 2.5 亿美元融资。 3. 谷歌地图引入 Gemini 模型新增四大功能:行前须知自动整合网络评价、地标导航结合街景实时比对、充电桩使用高峰预测,以及匿名评论系统。所有功能均免费开放,电动车主可精准避开充电排队时段。 4. OpenAI 推出教育专项计划,为美国 K-12 教师提供免费 ChatGPT 至 2027 年,包含隐私保护与学校管理功能。数据显示使用该工具的教师平均每周节省 6 小时。同步发布的青少年 AI 素养蓝图,重点培养伦理化人机协作能力。 5. 火山引擎凭借豆包大模型与火山方舟平台,在 Gartner 评估中获中国 AI 落地能力第一、全球第五。其模型 - 工具 - 算力闭环已服务多个行业头部客户,国内公有云大模型市场份额达 49.2%,多模态工具链将持续加码海外拓展。 6. 亚马逊推出 Beta 版 AI 功能 Video Recaps,可自动识别《辐射》等剧集的关键场景与角色弧线,生成 2-5 分钟带旁白的精华短片。官方强调该技术仅用于回看辅助,不参与正片创作以保障艺术家权益。 7. QQ 浏览器电脑端 v19.8.5 版本上线,重点优化 AI 多任务小窗与标签管理,新增网页语音朗读功能。菜单布局经简化后,常用工具实现一键调用,工作效率提升显著。#今日AI新闻#gemini #openai#3d
00:00 / 02:28
连播
清屏
智能
倍速
点赞15
00:00 / 00:35
连播
清屏
智能
倍速
点赞5