【聚焦2025数博会】沈春华：从数小时到两秒钟 AI重新定义视频编辑效率

热门资讯 2025年08月28日 23:35 1 admin

“你想象一下，这个是可以大大提升视频智能编辑的效率，因为，用以前的工具的话，可能需要每一帧都去编辑，一段几十秒的视频，就需要一两个小时，我们现在可能就两秒钟，你给它个提示词就把整段（视频）给做完了。”

8月27日，在2025中国国际大数据产业博览会重要分支活动——“数聚兰山：文化共生，生态智创”交流活动中，浙江大学求是讲席教授、计算机辅助设计与图形系统全国重点实验室副主任沈春华以这样一段生动比喻，揭开了AI视频生成技术背后的“革命性变化”。

活动当天，沈春华围绕“大数据驱动下的AI视频创新与价值释放”的主题展开演讲，他表示，当前基于大数据的生成式人工智能（尤其是文本到视频模型），正在重新定义视频内容的生产方式。“它不仅仅是‘快’，更是‘准’和‘智能’。”

沈春华表示，该团队观察到基础模型凭借其从海量多样化数据中编码的通用表示能力，可广泛适配各类下游任务。多模态基础模型利用海量的文本和图像/视频数据进行训练，对于训练高性能的文本视觉模型极为有用。因此，他的团队聚焦于分割、三维生成与重建等核心视觉任务，探索“是否可使用单一模型完成多项视觉任务”这一前沿命题。

在团队的努力下，他们开发出名为“DICEPTION”的通用视觉感知模型。该模型能够统一处理多种视觉任务，并在精度上达到或逼近当前专业模型的先进水平。“更令人兴奋的是，它只需要极少的样本和微调——哪怕只有50张图像，调整不到1%的参数，即可获得高质量输出。”

针对视频任务特有的“时间连贯性”挑战，团队也提出了创新性的训练与推理框架，显著提升了视频深度估计的准确率和时间一致性，并可轻松扩展至3D视频编辑领域。

沈春华强调，合成数据与真实场景之间的泛化能力已成为推动技术落地的重要因素。“我们从虚拟环境中获取并系统验证的高质量合成数据，能够有效提升模型在现实场景中的适应力。”

在他看来，AI视频技术正步入一个“预制件时代”，行业应更积极主动地利用现有预训练模型，以实现高效率、高精度、低门槛的内容生产。“未来的视频创作，可能真的就像写一句提示词那样简单。”

整场演讲在观众中引发强烈共鸣。不少与会者表示，沈教授团队所展示的技术不仅具有学术前沿性，更具备清晰的商业化路径与应用潜力，尤其在短视频制作、影视工业、虚拟现实等领域，将带来根本性的效率变革。

贵州日报天眼新闻记者刘娟

编辑罗昌

二审杨唯

三审胡丽华