（来源：上观新闻）
至于为什么产生🚬这样的构图、文字🧤🏧为什么乱码🏒🚥、角色为什么崩坏📔——你永🇨🇮远不知道，也♣🇧🇪无法干预🧟♂️📶。研究团队使用了🇹🇻一个名为🦓 DINOv🛠🕕2 的预🕳🇫🇲训练视觉模型💯（可以把它理解为😚😴一个经过大量图🇧🇿🇸🇧片训练的"看↘🤦♀️图专家🇶🇦"），将输入🐃的两张图片分别🕎转换为包含丰富🈴🧚♂️视觉信息的特征⚙👩🎤矩阵🎚。
做一份深度研💅🇧🇲究是前者，⚫🧛♀️做一个产🏌品从设计到发布是😰后者🇭🇹。图/视觉中国 🇩🇴更聪明的“马”😒 从技术层🎬面上来说，Her🙅🦍mes确实比Op📷enClaw🥜🏴更进了一步🇻🇳。
