创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

H3-World 动作控制评测方案

AI 总结

掘金 · 人工智能 一文提出可复现的 H3-World 动作控制评测方法,包括左右与静止配对、方向校准、失败记录和时间轴对齐。对固定版 H3-World 源码的静态分析显示,其命令行入口会用预设填满动作数组,因此能测试持续运动,却不能直接表达片内转向。作者没有下载权重或运行模型,文中给出的是待执行的实验设计,而非 H3-World 已通过控制测试的证据。

深度见解

该方案可帮助评测者把动作控制效果与随机性、画面运动及测量误差区分开来,并明确区分待执行实验与已验证的模型结果。

H3-World 动作控制怎么测:从左右对照到片内切换

先核对整轴条件,再谈片内切换

固定官方页面聚焦原像素;证明局部源码职责,不是游戏、模型或训练结果。

你给同一张首帧分别输入“镜头向左”和“镜头向右”,两段视频都很顺。接下来要回答的,却比“成功出片”具体得多:两段画面是否沿预期方向分开?静止输入本来会产生多少运动?把动作放到片段中间以后,变化是否真的出现在那个时刻?

准备实验时,很容易直接列出方向准确率、切换延迟和控制泄漏三个指标。但固定版 H3-World 的参考入口有一处会改变整个安排的细节:它把一个按键组合填满整段动作数组。这个命令可以测试全片保持向左或向右,不能直接表达片内“先左后右”。若没有先补齐输入,就算最后算出一个切换分数,也无法确认测到的是谁的切换。

#H3-World#DiffSynth#PyTorch

原文约 15 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。