juejin.cn
Pi皮蛋儿
获得徽章 0
赞了这篇沸点
![[撇嘴]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_14.8130d96.png)
![[吐]](http://lf-web-assets.juejin.cn/obj/juejin-web/xitu_juejin_web/img/jj_emoji_19.249e025.png)
赞了这篇文章
赞了这篇文章
赞了这篇沸点
赞了这篇沸点
@哇哇叫改写大师 Sora项目工程师Bill Peebles在加州大学伯克利分校Alberto课堂介绍Sora的视频。其中再次提到模型展现出的3D一致性以及某种射线一致性的概念并没有任何明确的3D或对象级的归纳偏差。这些都是由于训练数据规模的扩大而自然涌现出的能力。
【简单理解，就好比不预先告诉一个小朋友牛顿定理，而是通过让他大量观察物体的运动，从而让他自己总结出物体运动的物理规律。（如果理解有误，请专业人士指正）】
3D归纳偏差指的是模型在处理三维空间数据（如三维图像、视频或物理世界的模拟）时，内置的对三维结构和关系的假设。这种偏差可以帮助模型更好地理解和预测三维空间中的对象如何相互作用和存在，即使模型没有直接接收到大量的三维空间数据。例如，一个具有3D归纳偏差的模型可能会更好地理解物体的遮挡关系、视角变换下的物体外观变化等。
对象级归纳偏差则是指模型在理解和处理被视为独立实体的对象时，内置的假设或倾向。这种偏差使得模型在识别、跟踪和理解不同对象及其属性时表现得更好，即便这些对象的表示并不总是显式地从数据中提取出来。例如，一个具有对象级归纳偏差的模型可能会更容易识别场景中的不同对象，理解它们的相互作用，以及预测它们在新场景中的行为。
【简单理解，就好比不预先告诉一个小朋友牛顿定理，而是通过让他大量观察物体的运动，从而让他自己总结出物体运动的物理规律。（如果理解有误，请专业人士指正）】
3D归纳偏差指的是模型在处理三维空间数据（如三维图像、视频或物理世界的模拟）时，内置的对三维结构和关系的假设。这种偏差可以帮助模型更好地理解和预测三维空间中的对象如何相互作用和存在，即使模型没有直接接收到大量的三维空间数据。例如，一个具有3D归纳偏差的模型可能会更好地理解物体的遮挡关系、视角变换下的物体外观变化等。
对象级归纳偏差则是指模型在理解和处理被视为独立实体的对象时，内置的假设或倾向。这种偏差使得模型在识别、跟踪和理解不同对象及其属性时表现得更好，即便这些对象的表示并不总是显式地从数据中提取出来。例如，一个具有对象级归纳偏差的模型可能会更容易识别场景中的不同对象，理解它们的相互作用，以及预测它们在新场景中的行为。
展开
9
28