World Snapshot Models:把上千种视觉任务统一为生成任务

World-Snapshot · hf · 2026-11-20

论文提出 World Snapshot Models 框架,主张计算机视觉的四条「统一法则」:生成即从世界信息到 RGB,理解/分割/检测是从 RGB 提取世界信息,条件控制是基于世界信息生成 RGB,重建则从 RGB 估计编码形状的世界信息。据此几乎所有视觉任务都可以被重新表述为生成任务来训练与执行,作者在超过 1000 种视觉任务上验证了该框架的通用性。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →