A | 在北京时间8月26日结束的欧冠附加赛次回合1场对决中，来自阿塞拜疆联赛的沙巴巴库上演惊天逆转，凭借次回合连扳4球的神奇表现，他们总比分6-4淘汰以色列球队贝尔谢巴工人，队史首次打进欧冠正赛。 首回合比赛，沙巴巴库在客场1-2落后，已经陷入不利的局面。次回合回到主场，开场仅10分钟，沙巴巴库队门将又出现低级失误，兹拉坦诺维奇笑纳大礼，贝尔谢巴工人将总比分扩大至3-1。 IT之家 7 月 21 日消息，科技媒体 The Decoder 昨日（7 月 20 日）发布博文，报道称谷歌 DeepMind 发布 GenCeption 模型，将预训练的视频生成器重新用于深度估计和分割等经典计算机视觉任务。 IT之家援引博文介绍，大语言模型在学习预测下一个 Token 的时候，在训练过程中往往需要吸收语法、世界知识和上下文关系等内容。 但是在计算机视觉领域，视觉模型缺少等效的训练方法，主要由专业模型主导，包括用于分割的“Segment Anything”和用于深度估计的“Depth Anything”，每个模型都使用其特定的架构。
B | 尽管第38分钟，恩瓦舒库为沙巴巴库队扳回一球。
C | 谷歌 DeepMind 团队为此提出 GenCeption 模型方案，尝试将一个“生成视频”的 AI 模型逆向改造成一个能“理解世界”的视觉分析引擎。但第61分钟，沙巴巴库的门将波卡季洛夫再次出现超低级失误，贝尔谢巴工人再次将优势变为2球。 GenCeption 打破了传统计算机视觉“一个任务一个专用模型”的格局，仅凭单一模型就能同时做好深度估计、图像分割、3D 姿态估计、表面法线预测和相机姿态估计等核心视觉任务。 GenCeption 基于阿里巴巴开源视频模型通义万相 Wan2.1 系列训练，与传统扩散模型需多步去噪不同，GenCeption 在一次前向传播中完成预测，从而提升视觉任务处理速度。模型通过文本提示指定任务，可输出深度图、表面法线图、分割掩码，并可处理相机运动表示。
D | 训练数据以合成为主。
E | 论文称，数据集仅包含 7500 段视频，由 800 个数字人体模型与 200 段动作捕捉序列组合生成，再通过 Blender 在不同背景和镜头角度下渲染。
F | 然而此后，总比分2-4落后的沙巴巴库，却上演神奇剧情。 泛化方面，GenCeption 几乎只在单人合成视频上训练，但可处理真实多人视频，也可迁移到动物和类人机器人类别。他们在第74分钟先追回1球，随后常规时间补时第4分钟，依靠穆塔利莫夫精彩的凌空世界波完成绝平，将比赛拖入加时赛。 随后的加时赛，心态崩盘的贝尔谢巴工人球员迪奥普，两张黄牌变成1张红牌被罚下。 而多打1人士气大振的沙巴巴库，在第101分钟和第115分钟连进2球，最终总比分6-4完成大逆转。 沙巴巴库也成为继卡拉巴赫之后，第2支征战欧冠正赛的阿塞拜疆球队。论文称，部分输出细节甚至超过训练时 Blender 渲染结果，可保留猫胡须和单根发丝边缘。
G | 性能方面，论文给出两组处理时间数据：小模型处理 81 帧视频约需 6 秒；大模型参数量为 140 亿，处理同样长度视频约需 10 秒。由于高加索小国阿塞拜疆从地理范畴上属于亚洲，因此新赛季欧冠，又确定将出现亚洲球队的身影。 参考。
Current article:http://k37q.kuaibenfanzhuakainenpimiuca.buzz/news/20260826_70494.html
Published on:14:08:15