用4万视频离线构建训练监督
mangahomanga · x · 2026-07-18
作者说明了训练数据和监督信号的来源：
- 离线处理了 4 万条 Something-Something-V2 互动视频，提取物体 mask、度量几何、相机运动和稠密 3D tracks。
- 未来帧只作为监督目标，不作为模型输入。
- 这意味着模型是在“只看过去”的条件下学习预测未来运动，而不是依赖未来信息泄露。
所属事件:MotionForesight 预测未来3D运动(6 条相关)→
「研究」频道最新
- rauchg 复现 OpenAI 发现：无网络微VM 也能借 CPU 争用 covert 通信 — ccerrato147 · 2026-10-27
- 微软研究院：ForkPilot 让 Agent 决策回溯的算力开销最高降 59% — EliasEskin · 2026-10-27
- 微软发布 TeleTune：从离线遥测数据自动演化 Computer-use Agent 技能 — EliasEskin · 2026-10-27
- FlexGlue:稀疏到稠密特征匹配，速度与精度兼得并可甄别误配图像对 — zhenjun_zhao · 2026-10-27
- Mundo:几张照片重建可探索的世界模型,8 卡 GPU 也只有 1.5 FPS — mark_k · 2026-10-27
- INRIA 研究员将于 ENS 报告「作为实验科学的数学」:LLM 参与数学研究 — marc_lelarge · 2026-10-27