从像素变换到世界模型：多模态数据增强的三层演进
以 SimCLR、VACoT、MIDAS、VISTA 和 Cosmos-Drive-Dreams 为线索，理解数据增强如何从改变像素发展到保持模态关系、扩展长视频并生成稀有场景。
#AI#多模态学习#数据增强#VLM#VLA
多模态与视觉
从图像与视频理解，到视觉语言模型和图像生成。
博客目录 →从图像与视频理解，到视觉语言模型和图像生成。
博客目录 →以 SimCLR、VACoT、MIDAS、VISTA 和 Cosmos-Drive-Dreams 为线索，理解数据增强如何从改变像素发展到保持模态关系、扩展长视频并生成稀有场景。