推文
@KakaluoteW45042 · 2026-10-13 01:31
有个思路挺妙，把视频变成模型读得懂的长图。 抽帧、编号、拼成一张图，视觉模型像翻书一样读，F01 到 F20，一段视频就算看完了。 很多任务的瓶颈不是能力，是数据还没被改造成模型好读的形状。 先适配，比等下一个版本更多主动权。
曝光 109 · 评论 0 · 点赞 1 · 书签 0 · 曝光/时 49.5940117695653
@KakaluoteW45042 · 2026-10-13 01:31
有个思路挺妙，把视频变成模型读得懂的长图。 抽帧、编号、拼成一张图，视觉模型像翻书一样读，F01 到 F20，一段视频就算看完了。 很多任务的瓶颈不是能力，是数据还没被改造成模型好读的形状。 先适配，比等下一个版本更多主动权。
曝光 109 · 评论 0 · 点赞 1 · 书签 0 · 曝光/时 49.5940117695653