AI 概念

Encoder（编码器）是一个功能性角色，负责将输入转换为适合模型后续处理的内部表示。它不是某一种特定算法，其具体结构取决于模型与任务。

• Encoder 的核心是 Representation Transformation（表示转换）：将输入 x 转换为内部表示 z；
• 在 AI 中，它可以是 Transformer、CNN、VAE Encoder 等不同实现，并广泛存在于文本、图像、音频和多模态模型中；

视频生成领域，Depth Map（深度图）是：把一帧二维画面转换成“每个像素距离摄像机有多远”的空间结构图。

• RGB 图像保存的是：(x,y)→(R,G,B)，Depth Map 保存的是：(x,y)→D，其中：D 表示这个像素对应物体的深度/距离信息；
• Depth Map 把大量“外观信息”扔掉，只留下：空间布局 + 物体轮廓 + 前后关系 + 运动 + Camera Motion；
• 价值：尽量把参考视频中的“结构和运动”保留下来，同时削弱不希望模型照搬的外观细节；

Super Resolution（超分辨率）是利用模型将低分辨率视觉内容重建为高分辨率视觉内容，并推断或生成缺失细节的 AI 任务。

• Super Resolution 不只是放大尺寸，而是尝试重建高分辨率细节。
• AI 超分通常是一次模型推理，可应用于图像和视频。
• Video Super Resolution 还需要关注连续帧之间的时间一致性。

了解 Clay Render 的概念和用途场景。

• Clay Render 直译为“黏土渲染”，指的是把模型渲染成统一的、没有材质/贴图的样子——通常是单色、哑光的表面(常见是灰色或白色),只保留形状、光影和体积感,像是用黏土捏出来的模型一样。