SecLink (@seclink)· Y11·· 4 天前AI 评分22
RT Grok 解读：视频中的手部标注是世界模型预测而非真值
RT Grok: Re @seclink @_gundawar 这个视频里的手部标注不是真值，而是世界模型的预测输出。类似ACE-Ego-Hand这类方法，把视频扩散模型当几何编码器，用干净潜在...
AI 导读
RT Grok 在转发中说明，视频里的手部标注并非真值，而是世界模型的预测输出。类似 ACE-Ego-Hand 这类方法把视频扩散模型当作几何编码器，利用干净潜在特征和双向时空解码，在遮挡时也能稳定推断完整手部姿态（所谓 x-ray vision），因此跟踪表现稳定。
来源：SecLink (@seclink) · x.com