Valeo 研究用 5500 小时数据验证视频扩散模型缩放定律
andrew_n_carr · x · 2026-09-01
Valeo AI 发布 VATIX 项目，研究在固定驾驶数据集（5500 小时，28 国）下的视频扩散模型缩放定律。
- 实验设计：分配模型规模（N）和训练曝光度（D）以优化计算预算（C）下的验证损失。
- 核心发现：训练场景曝光度降低损失的速度远快于参数量（αD ≈ 0.74 vs αN ≈ 0.21），意味着在数据受限场景下“多看”比“变大”更有效。
- 预测能力：基于 1.1B 参数模型拟合的定律预测 9B 模型表现，误差仅 3.6%。
- SOTA：该方法在 nuScenes Vista 数据集上取得了新的最佳成绩。
所属事件:Valeo 用 5500 小时驾驶视频揭示扩散模型缩放定律(3 条相关)→
「研究」频道最新
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 百度提出 Virtual Head Attention：同时压 KV cache、算力并保质量 — baidu · 2026-10-16
- 5.8M 参数语音事件检测器：为 Whisper 转录补上笑声呼吸与背景音 — Ayush Kumar Bar · 2026-10-16
- 华为等提出 SUPRA-Tex：单图生成可重打光 3D 材质，所见即所得 — Chen Yang · 2026-10-16
- RoboVista 机器人理解基准发布:Gemini-4 Argon 81.9% 登顶 — berkeley_ai · 2026-10-16