AI 最新论文进展
Open Vision Banana:用 RGB 图像统一视觉感知任务
这项研究将图像生成器改造成感知模型,公开训练方案,并分析颜色编码、提示词和多次生成投票如何影响预测。
AI 最新论文进展
这项研究将图像生成器改造成感知模型,公开训练方案,并分析颜色编码、提示词和多次生成投票如何影响预测。
AI 最新论文进展
Duo v1 将发言时机判断与音视频生成连接起来,通过统一时间轴、因果输入约束和双重滚动蒸馏,处理持续交互中的时序与训练条件偏移。
AI 最新论文进展
论文在共同数据与匹配训练总算力下,分别考察视觉先验、专用参数和融合位置,报告单独预训练可省略,但视觉专用容量仍有作用。
AI 最新论文进展
TTB 用快速更新的多层感知机保存场景信息,并通过成对上下文输入对齐重建与渲染。论文报告了渲染提速,同时也显示重建阶段的额外开销。
AI 最新论文进展
论文把任务规格、物理模拟与外观润色接入同一流程,并提供训练数据;模拟标注不能直接对齐润色视频,人工评估也仍属试点。
AI 最新论文进展
论文提出跨视频、三维与具身动作的推理评估基础设施,将目录登记、运行准备与性能验证分开记录,并以持续状态和反馈闭环界定世界模型。
AI 最新论文进展
论文提出训练编程智能体,用可执行的三维场景提供视频结构与运动信号;训练参考视频也由模型合成,数据筛选排除了难以用几何与关键帧表达的内容。
AI 最新论文进展
论文提出一种末阶段训练方法,利用源图中应保持不变的内容构造监督,并约束早期去噪过程,尝试减少反复编辑带来的细节漂移。
AI 最新论文进展
腾讯微信视觉团队报告了统一图像模型的架构、数据核验与分支训练方法,并给出少步蒸馏版本在单张 H20 上的生成耗时。
AI 最新论文进展
VFlash 利用边界框、轨迹等输出的已知结构,一次预测整组坐标。它用标注数据训练草稿模型,并将空间输出的接收条件与文本验证分开处理。