4D

随着人工智能技术的快速发展，让机器理解并执行复杂的空间任务成为一个重要研究方向。 在复杂的3D结构组装中，理解和执行说明书是一个多层次的挑战：从高层的任务规划，到中层的视觉对应，再到底层的动作执行，每一步都需要精确的空间理解能力。 斯坦福Vision Lab最新推出的IKEA Video Manuals数据集，首次实现了组装指令在真实场景中的4D对齐，为研究这一复杂问题提供了重要基准。

感谢据“钛媒体 AGI”周四报导，生数科技、清华大学联合宣布的国内首个长时长、高一致性、高动态性的视频大模型 Vidu 将于近期完成三大革新，实现“重大技术迭代”。主要革新实质如下：反对一键生成 32s 视频反对音视频合成，“视频有声音了”（Text-2-Audio）反对 4D 生成，可以从单一视频生成时空一致的 4D 实质IT之家附部分视频预览： 据介绍，Vidu 是自 Sora 宣布之后，全球…