在2024年,我们将看到具有高分辨率和长期连贯性的视频生成。这将需要更多的“思考” ,即系统2的推理和长远规划。
对标记的依赖性:尽管DeWave方法在文中声称可以在没有标记(如眼动追踪)的情况下实现脑电波到文本的翻译,但它仍然依赖于基于标记的对齐过程。
VCoder作为一个视觉编码器,为MLLM提供了更好的视觉感知能力,能够处理特殊类型的图像,并改善了对象感知任务的表现。在与其他模型的比较中,VCoder在对象计数和识别方面表现出色,特别是在复杂场景中。
这种氛围,也顺势带起了玩家的情绪。在#我的蛋仔年度报告##和蛋仔一起跨年#这些话题里,可以看到不少玩家剪辑的短视频。里面不仅有人回忆这一年在蛋仔中参与的活动,也有人记录自己参加的线下活动、收集的游戏周边;不过更多的,还是过去一年中,和朋友们一起玩蛋仔的各种瞬间。
培养创造力和成长: