我可能说的不准确,就是 DLSS 用到 motion vector 和 frame delta 改善了生成效果,针对这类数据进行训练可能对 LLM 理解视频有帮助,而不是完全基于抽 RGB 帧去做视频理解//@快乐肥宅庆先森:DLSS的穿模特殊在它其实是一种I2I模型,跟“大语言”不沾边,估计思路还是不太好用//
claude-real-video ,让Claude——或任何大型语言模型——真正地观看视频。
地址:github.com/HUANGCHIHHUNGLeo/claude-real-video
大多数AI工具并不能真正"看"视频。把YouTube链接粘贴到ChatGPT里,它只会读取字幕文本,而不是画面。Claude根本不会接受视频文件。即使是原生支持读取视频的Gemini,也
0
0
0