完整教程：大模型浪潮下的“冷思考”：计算机视觉的变局与出路

说明在一次计算机视觉交流活动中的分享。就是：本文内容

“狼来了”还是“新大陆”?

1. 文生图
2. 文/图生视频：

图生视频的多模态举例

---

花了数年时间学习的图像处理、特征工程、CNN 调优、……，这些知识在“说句话就能解决问题”的大模型面前，是否已经过时了？

---

1. “文/图”生“图/视频”的科技现状

正处在一个 “惊艳与笨拙并存”的青春期

1.1 技术成就：跨越“可用”鸿沟，进入“惊艳”阶段

1.2 核心局限：看似智能，实则“不懂常识”

• “画不对”的物理与逻辑错误：
  • 6根或4根，关节扭曲不合常理。就是著名的人手问题：生成的手指经常
  • 空间关系混乱：无法稳定处理复杂的空间逻辑，如镜中反射的影像与现实不符、阴影的方向与光源位置矛盾、物体之间不合逻辑地穿透等。
  • “感就是计数与精确性差：很难让它精确地画出“桌子上有且只有5个苹果”，它可能会画出4个或6个。它对数字