Meta FAIR证明视频与图像模型能力差异是架构问题

1/ 视频模型理解运动但在几何上产生幻觉。图像模型擅长几何但对运动视而不见。多年来我们接受了这种权衡。Meta FAIR刚刚证明这纯粹是一个架构缺陷，而非理论限制。