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。
「研究」频道最新
- 普渡大学打造无 GPS 穿林追踪跑者的自主无人机,LiDAR 全部上芯片 — KordingLab · 2026-10-26
- 研究:LLM 推荐药物集中于同一品牌,均值占比达 97.5% — EricTopol · 2026-10-26
- Papers with Code 宣布开源，采用 Apache 2.0 许可证 — NielsRogge · 2026-10-26
- 斯坦福 NLP COLM 2026 主题演讲:可解释性从被动观测转向因果干预 — stanfordnlp · 2026-10-26
- 中科大论文:若矩阵乘法指数低于 9/4,格密码筛法也将提速 — jedisct1 · 2026-10-26
- LLM 文本水印经典实现:GitHub 开源水印与检测算法 — adnan_hashmi · 2026-10-26