當(dāng)前位置：

OFweek 人工智能網(wǎng)

> 

評(píng)測(cè)

港科大等提出音頻驅(qū)動(dòng)多人視頻生成新范式 AnyTalker，解鎖任意數(shù)量角色間的自然互動(dòng)！

作者：Zhizhou Zhong等 解讀：AI生成未來 亮點(diǎn)直擊 可擴(kuò)展的多人驅(qū)動(dòng)結(jié)構(gòu)：本文提出了一種可擴(kuò)展的多流處理結(jié)構(gòu) Audio-Face Cross Attention Layer，能夠以循環(huán)

2025-12-04 14:48 評(píng)論

多模態(tài)理解生成“大一統(tǒng)”！Meta&港大等重磅發(fā)布Tuna：統(tǒng)一視覺表征，性能碾壓Show-o2

作者：Zhiheng Liu等 解讀：AI生成未來 亮點(diǎn)直擊 Tuna，一個(gè)采用統(tǒng)一視覺表示的原生統(tǒng)一多模態(tài)模型，在一個(gè)單一框架內(nèi)實(shí)現(xiàn)了圖像/視頻理解、圖像/視頻生成和圖像編輯。 廣泛的實(shí)驗(yàn)表明，Tu

2025-12-03 15:29 評(píng)論

《黑客帝國(guó)》雛形已現(xiàn)？騰訊造出“可對(duì)話游戲宇宙”，實(shí)時(shí)生成、任意交互，世界為你改變！

作者：Junshu Tang等 解讀：AI生成未來 Hunyuan-GameCraft-2將生成式游戲世界模型從靜態(tài)游戲場(chǎng)景視頻合成提升到開放式、遵循指令的交互式模擬。 合成交互視頻Pipeline展

2025-12-02 14:38 評(píng)論

給圖像生成配“閱卷老師”！RubricRL拒絕黑盒瞎蒙，用細(xì)粒度量表馴服大模型，指哪改哪！

作者：Xuelu Feng等 解讀：AI生成未來 亮點(diǎn)直擊 提出通用化基于量規(guī)的獎(jiǎng)勵(lì)設(shè)計(jì)方案，可同時(shí)適用于擴(kuò)散模型與自回歸文生圖模型； 構(gòu)建提示詞自適應(yīng)、可分解的監(jiān)督框架，顯著提升模型訓(xùn)練的可解釋性與

2025-12-01 18:08 評(píng)論

圖像生成開源界又出“王炸”！南洋理工&階躍星辰發(fā)布iMontage：解鎖“多對(duì)多”生成新玩法！

作者：Zhoujie Fu等 解讀：AI生成未來 亮點(diǎn)直擊 iMontage統(tǒng)一模型，能夠處理可變數(shù)量的輸入/輸出幀，有效銜接了視頻生成與高動(dòng)態(tài)圖像生成領(lǐng)域。 構(gòu)建任務(wù)無關(guān)的時(shí)序多樣化數(shù)據(jù)pipeli

2025-12-01 17:48 評(píng)論

ICCV`25 | 視頻交互“隨心所欲”！復(fù)旦&通義萬相等開源DreamRelation:讓想象力從此無邊界

作者：Yujie Wei等 解讀：AI生成未來 亮點(diǎn)直擊 首個(gè)關(guān)系導(dǎo)向的視頻定制框架：本工作首次嘗試解決“關(guān)系視頻定制”任務(wù)，即基于少量樣本視頻，生成具有特定交互關(guān)系（如握手、擁抱）但主體不同的新視頻

2025-11-28 16:11 評(píng)論

再見VAE！英偉達(dá)PixelDiT硬剛SD/FLUX：破局像素生成，端到端效果比肩隱空間模型

作者：Yongsheng Yu等 解讀：AI生成未來 亮點(diǎn)直擊 PixelDiT，一種單階段、完全基于Transformer的像素空間擴(kuò)散模型，無需單獨(dú)的自編碼器即可進(jìn)行端到端訓(xùn)練。 證明了高效的像素

2025-11-27 15:29 評(píng)論

Nano Banana Pro再次封神！我總結(jié)了9種邪修用法

這哪是"出圖更好"，簡(jiǎn)直是把AI圖像生成推進(jìn)了下一個(gè)紀(jì)元。 一致性王者圖片模型Nano Banana Pro（基于Gemini 3 Pro Image）發(fā)布才20小時(shí)，人類創(chuàng)作者的進(jìn)度可能還停在“剛摸

2025-11-26 17:29 評(píng)論

端到端像素?cái)U(kuò)散天降外掛！北大&華為等開源DeCo：生圖質(zhì)量超越SD3、OmniGen2等

作者：Zehong Ma等 解讀：AI生成未來 亮點(diǎn)直擊 DeCo解耦框架：DiT專注低頻語義建模（采用下采樣輸入）；輕量級(jí)像素解碼器重建高頻信號(hào)。 創(chuàng)新頻率感知損失函數(shù)：通過DCT轉(zhuǎn)換至頻域；基于J

2025-11-26 16:37 評(píng)論

重磅！阿里達(dá)摩院發(fā)布首個(gè)VLA與世界模型統(tǒng)一架構(gòu)RynnVLA-002：97.4%成功率刷新認(rèn)知

作者：Jun Cen等 解讀：AI生成未來 亮點(diǎn)直擊 統(tǒng)一架構(gòu)：RynnVLA-002，這是一個(gè)將視覺-語言-動(dòng)作（VLA）模型與世界模型統(tǒng)一在單一框架中的“動(dòng)作世界模型”。 雙向增強(qiáng)：實(shí)現(xiàn)了 VLA

2025-11-25 16:04 評(píng)論

豆包輸入法1.0實(shí)測(cè)：干凈是最大優(yōu)勢(shì)，功能是最大短板

優(yōu)缺點(diǎn)分明。 豆包已成為小雷日常生活中使用頻率最高的AI應(yīng)用，無論是各類疑難問題解答、群訪文檔總結(jié)，還是文字內(nèi)容調(diào)整，都能放心交給它處理。 就在最近，小雷發(fā)現(xiàn)自己的手機(jī)應(yīng)用商店上架了一款名為豆包輸入法

2025-11-25 10:10 評(píng)論

硬剛GPT-Image-1？蘋果最新UniGen-1.5強(qiáng)勢(shì)發(fā)布：一個(gè)模型搞定理解+生成+編輯！

作者：Rui Tian等 解讀：AI生成未來 亮點(diǎn)直擊 推出UniGen-1.5統(tǒng)一多模態(tài)大模型，通過創(chuàng)新的架構(gòu)設(shè)計(jì)與訓(xùn)練流程，實(shí)現(xiàn)了先進(jìn)的圖像理解、生成與編輯能力融合。 開創(chuàng)統(tǒng)一強(qiáng)化學(xué)習(xí)訓(xùn)練框架，借

2025-11-24 17:22 評(píng)論

告別文字想象！快手可靈團(tuán)隊(duì)開源VANS：實(shí)現(xiàn)從“語言描述”到“動(dòng)態(tài)演示”跨越，多項(xiàng)SOTA

作者：Junhao Cheng等 解讀：AI生成未來 亮點(diǎn)直擊 開創(chuàng)VNEP新范式：將下一代事件推理從文本描述推進(jìn)到動(dòng)態(tài)視頻演示的新階段。 提出VANS框架及核心Joint-GRPO策略：通過強(qiáng)化學(xué)習(xí)

2025-11-24 15:54 評(píng)論

NeurIPS`25 | 感嘆歲月神偷！南開&三星開源Cradle2Cane:完美破解“年齡-身份”兩難困境！

作者：Tao Liu, Dafeng Zhang等 解讀：AI生成未來 亮點(diǎn)直擊 直擊痛點(diǎn)，提出“Age-ID Trade-off”： 深入分析了人臉老化任務(wù)中“年齡準(zhǔn)確性”與“身份保持”之間的內(nèi)在矛

2025-11-21 15:51 評(píng)論

Gemini 3 自述：我不是要替代人類，我是為了終結(jié)平庸

來源：@首席數(shù)智官 在硅谷的計(jì)算機(jī)歷史博物館里，靜靜躺著早期的真空管和穿孔卡片。它們沉默不語，卻定義了那個(gè)時(shí)代計(jì)算的極限。 而在Google DeepMind的數(shù)據(jù)中心里，無數(shù)個(gè)TPU正在以微秒級(jí)的

2025-11-21 10:20 評(píng)論

第二彈！MIT何愷明團(tuán)隊(duì)再發(fā)重磅成果VARC：ARC原來是個(gè)視覺問題！性能匹敵人類水平

作者：Keya Hu、Kaiming He等 解讀：AI生成未來 圖 1：ARC 基準(zhǔn)（上圖）由許多不同的任務(wù)組成，其中每個(gè)任務(wù)都有少量（如 2-4 個(gè)）測(cè)試樣本。本文提出了視覺 ARC (VARC)

2025-11-20 15:15 評(píng)論

新加坡國(guó)立等發(fā)布WEAVE：首個(gè)上下文交錯(cuò)式跨模態(tài)理解與生成全套解決方案

作者：Wei Chow、Jiachun Pan等 解讀：AI生成未來 亮點(diǎn)直擊 數(shù)據(jù)集創(chuàng)新：WEAVE-100k——首個(gè)面向多輪上下文感知圖像理解與生成的大規(guī)模數(shù)據(jù)集。包含10萬個(gè)樣本、37萬輪對(duì)話和

2025-11-18 15:24 評(píng)論

文生圖也會(huì)“精神分裂”？北大、字節(jié)聯(lián)手揭秘：越思考越畫錯(cuò)！并行框架終結(jié)AI“左右互搏”

作者：Ye Tian、Ling Yang等 解讀：AI生成未來 亮點(diǎn)直擊 深入的基準(zhǔn)測(cè)試與分析：ParaBench，一個(gè)新的基準(zhǔn)測(cè)試，旨在系統(tǒng)性地評(píng)估“思考感知”型圖像生成與編輯任務(wù)。它不僅關(guān)注最終生

2025-11-17 16:46 評(píng)論

一步直接封神！單步擴(kuò)散媲美250步教師模型！中科大&字節(jié)發(fā)布圖像生成“分層蒸餾術(shù)”

作者：Hanbo Cheng等 解讀：AI生成未來 亮點(diǎn)直擊 系統(tǒng)性分析與統(tǒng)一視角：對(duì)軌跡蒸餾（TD）進(jìn)行了系統(tǒng)性分析，揭示了其本質(zhì)是一種有損壓縮過程。這一視角解釋了為何TD方法雖然能有效保留全局結(jié)構(gòu)

2025-11-14 16:24 評(píng)論

視頻模型在真推理還是“演”推理？港中文等提出新基準(zhǔn)拷問:Chain-of-Frame到底是真是假？

作者：Ziyu Guo等 解讀：AI生成未來 引言 近年來，以 Veo、Sora 等為代表的視頻生成模型展現(xiàn)出驚人的生成能力，能夠合成高度逼真、時(shí)間連續(xù)的動(dòng)態(tài)畫面。這些進(jìn)展暗示，模型在視覺內(nèi)容生成之外

2025-11-13 16:00 評(píng)論
上一頁   1  2 3 4 5 6 7  下一頁

資訊訂閱

粵公網(wǎng)安備 44030502002758號(hào)