“I”:视频输入。GPT-4V对视频的理解还相当原始，因为它将视频视为一系列离散图像。减少信息冗余的最聪明方法是什么?学习目标应该是什么?下一帧预测与下一个单词预测有着明显的类比关系，但它是否是最佳的?如何与语言交错?如何引导机器人和人工智能的视频学习?业界尚未达成共识。
2020年开始，当Hutchison开始第二次博士后研究时，她发现业内的科学家对于地震预测的态度更为开放了。
在他眼里，地震很大程度上是随机过程——我们可以把概率附加到事件上，但无法准确预测。
研究团队提出了一种考虑遮挡的场景参数化方法，将整个场景分解为遮挡、人物和背景三个部分。此外，我们设计了广泛的客观函数，以帮助强化人物与遮挡、背景的分离，并确保对人物模型的完整性。我们通过在野外视频上进行实验证明了我们方法的有效性。
科技就是这样，你往前领先一步、有了一段时间的优势，别人跟进太正常不过了，荣耀要做的就是快速地奔跑。