“计算机视觉被GPT-4o终结了”（狗头）

2025-03-29 17:49:47

E-Poet

发布在

快讯

阅读：958

近日，GPT-4o的原生多模态图像生成能力引发关注。通过自回归模型，它能够快速生成包括语义分割、深度图、PBR材质在内的多种图像类型，甚至能解析复杂的伪装图像，如NASA工程师测试特斯拉自动驾驶系统时使用的“隐形墙”。这一技术突破对计算机视觉、3D渲染及设计领域带来冲击，部分从业者担忧其可能取代传统工具和专业技能。尽管有观点认为类似效果可通过Stable Diffusion结合ControlNet实现，但GPT-4o的高效性和通用性仍令人瞩目。OpenAI未公开具体技术细节，但从现有线索推测，其采用多尺度自回归机制逐步完善图像生成。此外，有研究指出解码阶段可能结合扩散模型。此技术的出现标志着基础模型扩展应用领域的潜力巨大，具体影响还需进一步观察。

原文链接

本文链接：https://kx.umi6.com/article/16400.html

转载请注明文章出处

GPT-4o