MolmoMotion: โมเดลทำนายการเคลื่อนไหว 3D ที่นำทางด้วยภาษา
หัวข้อต้นฉบับ:MolmoMotion: Language-guided 3D motion forecasting
สรุปโดย AI
MolmoMotion ใช้โครงข่ายหลัก Molmo 2 รับอินพุตเฟรมวิดีโอ จุด 3D บนวัตถุ และคำสั่งการเคลื่อนไหวเป็นข้อความ (เช่น "ย้ายและหมุนชามไม้ที่ใส่ผลไม้บนโต๊ะ") ทำนายเส้นทาง 3D ของจุดเหล่านี้ในอีกไม่กี่วินาทีข้างหน้า มีสองเวอร์ชัน: MolmoMotion-AR แบบ autoregressive ทำนายพิกัดทีละขั้น และ MolmoMotion-FM แบบ flow matching จัดการการเคลื่อนไหวที่เป็นไปได้หลายแบบผ่านการแปลงในปริภูมิต่อเนื่อง พร้อมเปิดตัวชุดข้อมูล MolmoMotion-1M (เส้นทาง 3D ของจุดและคำอธิบายการเคลื่อนไหวจากวิดีโอ 1.16 ล้านรายการ) และ基準ทดสอบ PointMotionBench (คลิปวิดีโอ 2,700 คลิปที่ผ่านการตรวจสอบโดยมนุษย์) น้ำหนักโมเดล ชุดข้อมูล และ基準ทดสอบเปิดโอเพนซอร์สทั้งหมด
ข้อมูลสำคัญ
- MolmoMotion ใช้โครงข่ายหลัก Molmo 2 รับอินพุตเฟรมวิดีโอ จุด 3D บนวัตถุ…
- 16 ล้านรายการ) และ基準ทดสอบ PointMotionBench (คลิปวิดีโอ 2
- 700 คลิปที่ผ่านการตรวจสอบโดยมนุษย์) น้ำหนักโมเดล ชุดข้อมูล และ基準ทดสอบเปิดโอเพนซอร์สทั้งหมด
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- Hugging Face 社区博客(混合发现)
- หมวดหมู่
- เปิดตัวโมเดล
- คะแนน AI
- 69
MolmoMotion把3D运动预测从模板化推到任意物体,百万级数据集和基准让研究门槛大降,做机器人和视频生成的值得认真看,但目前仍是研究阶段,离落地还有距离。
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: MolmoMotion: โมเดลทำนายการเคลื่อนไหว 3D ที่นำทางด้วยภาษา 17 มิถุนายน 2026 https://new.nat6.net/th/news/cmqi8qht206mtslf0a4q8mkrb/