微调 Qwen3-VL 8B 解读镜头语言,准确率 69% 远超 Gemini 与 Opus

ravisparikh · x · 2026-11-20

开发者 jhh3 发布了名为 Shot Reader 的项目:微调 Qwen3-VL 8B,让模型真正"看懂"视频中的镜头语言——机位高度、镜头焦段、拍摄角度、运镜方式,以及画面中的人物站位与走位。

其价值主张:AI 已能写 Blender 脚本,而复现一个镜头的第一步是读懂它——看到镜头 → 得到拍摄方案 → 在 3D 中重建、重拍、混剪。项目开源。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →