GM CT 生のビデオストリーム上でエムボディードAIモデルを学習させることは、隣接するフレームの90%が冗長な背景ノイズであるため、非常に非効率です。 繰り返し同じ静的な壁を入力しても、空間物理学について機械に新しい知識を教えることなく、モデルの計算リソースを無駄に消費します。 私は@vangrid_ioがキーフレームエントロピー選択を通じてこの問題に取り組む方法を追跡しています。 彼らのインジェクションスタックは、高情報量のデルタフレームをフィルタリングし、空間パイプラインに投入する前に、動的状態の変化や重要な視点のシフトを抽出します。 物理AIにおける効率性は、繰り返しのピクセルを蓄積するのではなく、新規性をトークン化することによって構築されます。