DeepMind 把视频变成可查询4D世界
anselm · x · 2026-07-17
Google DeepMind 展示了一个把普通视频走查转换成“可用自然语言查询的 4D 世界”的系统。 - 输入是原始视频，**不需要手工标注**、不需要预先打标签。 - 系统会把视频拆成多层表示：深度图、表面法线、相机射线图和分割掩码，再重建成可交互的 4D 场景。 - 演示里可以直接问： - “我想找一个舒服的地方坐”——沙发会被高亮 - “我需要白板”——白板被定位出来 - “有显示器可以用吗？”——显示器被标出 - “我同事在哪？”——系统能对人进行空间指认 - 这类能力的含义是：**过去拍下来的每段视频，都可能变成可搜索的数据库**，对机器人、AR/空间计算都有潜在价值。