北京
今年4月有說(shuō)法稱Vision Pro徹底失敗、不會(huì)有下一代。但這話現(xiàn)在站不住腳了——蘋果機(jī)器學(xué)習(xí)博客剛發(fā)了兩篇新論文，研究用LLM做手語(yǔ)標(biāo)注和3D頭部建模，還搞了一套專門測(cè)試AI空間理解能力的新基準(zhǔn)。
這套叫SFI-Bench的測(cè)試系統(tǒng)，核心是解決一個(gè)老問(wèn)題：現(xiàn)在的多模態(tài)大模型能看懂"東西在哪"，但不懂"東西干嘛用的"。
蘋果研究人員解釋，人類理解空間靠?jī)商捉Y(jié)構(gòu)——空間表征（物體布局和關(guān)系）和功能表征（用途、操作方式、場(chǎng)景上下文）?，F(xiàn)有測(cè)試比如VSI-Bench只測(cè)前者，SFI-Bench把后者補(bǔ)上了。
具體測(cè)什么？論文列得很直白：模型得知道物體是什么、在哪、怎么用、干什么用、壞了怎么修。測(cè)試基于134段室內(nèi)視頻掃描，出了1555道專家標(biāo)注題。比如讓AI找出柜子上同一品牌的最大瓶子組，或者取消洗衣機(jī)當(dāng)前程序。
這功能聽(tīng)起來(lái)耳熟。Google 2024年I/O就演示過(guò)類似的——AI認(rèn)出眼前的黑膠唱機(jī)，還能建議怎么修。蘋果這套基準(zhǔn)就是用來(lái)測(cè)這類能力的進(jìn)階版本。
Vision Pro產(chǎn)品線確實(shí)有人事變動(dòng)，但AI研究沒(méi)停?？臻g計(jì)算需要AI理解物理世界，這套測(cè)試系統(tǒng)擺明了是在給下一代設(shè)備鋪路。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
