优惠 视觉基础模型是否具有对三维结构的认识能力

密歇根大学和谷歌研究的研究人员发布论文探讨探讨了视觉基础模型（visual foundation models）是否具有对三维结构的认识能力。这些模型通过大规模的预训练，已经展现出了强大的图像分类、分割和生成等能力。但是，尽管它们能够处理二维图像中的对象，我们仍然不清楚这些模型是否能够理解和表示这些对象在三维空间中的结... 阅读全文