根据谷歌研究部门的最新披露，其视频生成模型 Veo3 在视觉AI领域取得了突破性进展，被誉为达到了“GPT-3”时刻。在对 Veo3进行了一系列测试后，研究人员发现，该模型不仅限于视频生成，还能在无需额外训练的情况下，自动完成多项复杂的视觉任务。

在用18，384个最简单的视频生成任务进行测试时，Veo3展示出惊人的多功能性，包括寻找物体、修复照片、玩迷宫、解决数独等。具体来说，Veo3能够:

  • 理解图像:自动识别图像中的边缘、轮廓、物体位置、颜色和形状等基本视觉元素。

  • 理解物理原理:具备基本的物理认知，例如能够分辨出哪些物体会漂浮，哪些会下沉，并理解光的反射方式。

  • 进行手动编辑:像“自动版 Photoshop”一样，Veo3可以执行复杂的图片编辑任务，如去除背景、添加文字，甚至将照片转换为油画风格。

  • 具备“理性”能力:在面对迷宫图像时，它能够自主规划并绘制出穿过迷宫的路径。

谷歌研究部门认为，Veo3的这一突破标志着视觉AI领域进入了新的发展阶段，其通用性和自主任务解决能力堪比自然语言处理领域的GPT-3。