Sitzmann 补充：扩大视频模型即可让视觉算法落地真实世界

Vincent Sitzmann 补充称，只需扩大视频模型规模，同一套算法就能在真实世界奏效，核心在于生成式建模。他认为成本虽高，但现有挑战主要属于学习问题，而非经典计算机视觉中的表示问题。