AI生成未来

文章/答案/技术大牛

发布

LV0

发表了文章 2天前2026-01-13 16:31:21

自回归最新SOTA！百度VideoAR：首个视频VAR框架，推理步数减少10倍，比肩扩散模型

图2 视频增强现实的整体框架。给定文本提示时，视频帧首先通过多尺度因果3D分词器压缩成一系列时空标记。每个帧由多尺度的残差映射表示，这些映射通过带有分块因果掩蔽...

AI生成未来 2天前2026-01-13 16:31:22

百度、框架、模型、视频、var

发表了文章 2天前2026-01-13 16:28:41

硬刚谷歌Veo3！快手Klear统一多任务音视频联合生成：创新单塔架构，口型语音完美同步

图 1 Klear，这是一个统一的音视频生成框架，它可以在联合和单模态设置中提供高保真度、强大的语义和时间对齐以及可靠的指令遵循，并具有强大的 OOD 泛化能力...

AI生成未来 2天前2026-01-13 16:28:41

同步、音视频、语音、架构、视频

发表了文章 2天前2026-01-13 16:27:33

强势斩获6项SOTA！UniCorn打通理解与生成任督二脉，靠“内省”重构多模态认知

论文链接：https://arxiv.org/abs/2601.03193 代码链接：https://github.com/Hungryyan1/UniCorn...

AI生成未来 2天前2026-01-13 16:27:33

unicorn、模型、数据、性能、重构

发表了文章 2天前2026-01-13 16:24:46

一个人就是一支整编剧组！首个“统一导演”模型发布：字节UniMAGE，让脑洞原地变大片

论文链接：https://arxiv.org/pdf/2512.23222 项目链接：https://kebii.github.io/UniMAGE/

AI生成未来 2天前2026-01-13 16:24:46

视频、数据、基础、架构、模型

发表了文章 2天前2026-01-13 16:24:15

全栈视觉生成器杀到！上交&快手&南洋理工最新VINO：图像视频生成+编辑一网打尽

论文链接：https://arxiv.org/abs/2601.02358 代码链接：https://github.com/SOTAMak1r/VINO-cod...

AI生成未来 2天前2026-01-13 16:24:15

工作、模型、全栈、视频、变量

发表了文章 2天前2026-01-13 14:36:42

复刻“黑客帝国”子弹时间！SpaceTimePilot:视频变可操控4D游戏,倒放/变速/运镜随你掌控

论文链接：https://arxiv.org/pdf/2512.25075 项目链接：https://zheninghuang.github.io/Space-...

AI生成未来 2天前2026-01-13 14:36:43

数据、游戏、动画、模型、视频

发表了文章 2天前2026-01-13 14:36:24

港中文&字节联合推出DreamOmni3:解锁“涂鸦+图文”联合输入，重新定义多模态生成与编辑

文章链接：https://arxiv.org/pdf/2512.22525 项目链接：https://github.com/dvlab-research/Dr...

AI生成未来 2天前2026-01-13 14:36:24

编码、工作、模型、数据、索引

发表了文章 2天前2026-01-13 14:36:07

首个亚秒启动的14B“数字人”开源！效率飙23倍！SoulX-LiveTalk：32FPS让对话丝滑如真人

论文链接：https://arxiv.org/pdf/2512.23379 项目链接：https://soul-ailab.github.io/soulx-li...

AI生成未来 2天前2026-01-13 14:36:07

开源、流媒体、模型、视频、效率

发表了文章 2天前2026-01-13 14:35:49

口型匹配、身份保持全面SOTA！清华&可灵X-Dub：抛弃修复思维，用“编辑”实现精准同步！

图1：超越了mask-inpainting，X-Dub将视觉配音重新定义为丰富的上下文、全参照的视频对视频剪辑，即使在有遮挡和动态光照的挑战场景中，也能实现精准...

AI生成未来 2天前2026-01-13 14:35:50

数据、同步、音频、编辑器、视频

发表了文章 15天前2025-12-31 19:05:17

北交&字节最新开源ThinkGen：首次显式利用多模态CoT处理生成任务，多项任务性能SOTA

论文链接：https://arxiv.org/pdf/2512.23568 项目链接：https://github.com/jiaosiyuu/ThinkGen...

AI生成未来 15天前2025-12-31 19:05:18

架构、模型、设计、性能、开源

发表了文章 15天前2025-12-31 19:04:03

超越Wan-2.1 和 MatrixGame！Yume1.5：交互式世界生成模型，单卡12 FPS 实时交互渲染

论文链接：https://arxiv.org/pdf/2512.22096 开源代码：https://github.com/stdstu12/YUME 工程...

AI生成未来 15天前2025-12-31 19:04:04

模型、事件、视频、压缩、渲染

发表了文章 15天前2025-12-31 19:03:18

AI自己当导演？KlingAvatar 2.0“联合推理”黑科技：让数字人不仅会演，更懂剧本！新SOTA！

图1 KlingAvatar 2.0生成生动、保持身份的数字人类，具备精准的摄像头控制、丰富的情感表达、高质量的动作以及精准的面部-唇部和音频同步。它实现了音频...

AI生成未来 15天前2025-12-31 19:03:18

工作、科技、模型、视频、音频

发表了文章 15天前2025-12-31 19:02:45

仅960M参数，不仅干翻百亿大模型，速度还快了6倍！字节最新图像编辑模型EditMGT开源啦

文章链接：https://arxiv.org/pdf/2512.11715 Project Page: https://weichow23.github.io...

AI生成未来 15天前2025-12-31 19:02:45

数据、开源、工作、架构、模型

发表了文章 21天前2025-12-25 14:07:17

6倍极速生成无限时长人像视频！复旦&微软最新FlashPortrait:让你成为数字人面具背后的TA

论文地址：https://arxiv.org/pdf/2512.16900 项目主页：https://francis-rings.github.io/Flas...

AI生成未来 21天前2025-12-25 14:07:17

模型、设计、视频、变量、动画

发表了文章 21天前2025-12-25 14:06:41

5万吊打百万级SOTA！UTS新作VideoCoF：首创“帧链思维”统一视频编辑模型，效果惊艳！

在视频生成领域，如何精准地按照人类指令编辑视频一直是个难题。现有的方法要么依赖复杂的 Mask（掩码）导致无法统一模型，要么虽然统一但缺乏空间定位能力，导致编辑...

AI生成未来 21天前2025-12-25 14:06:41

模型、视频、数据、索引、开源

发表了文章 21天前2025-12-25 14:05:02

超越Veo和Runway！可灵开源Kling-Omni：一个模型通吃视频生成、剪辑和多模态推理！

论文链接：https://arxiv.org/pdf/2512.16776 体验链接:https://app.klingai.com/global/omni/n...

AI生成未来 21天前2025-12-25 14:05:02

优化、开源、模型、视频、数据

发表了文章 21天前2025-12-25 14:04:34

加速近200倍！RTX 5090生成高质量视频只要1.9秒！清华&生数等重磅开源TurboDiffusion

文章链接：https://arxiv.org/pdf/2512.16093 代码链接: https://github.com/thu-ml/TurboDiff...

AI生成未来 21天前2025-12-25 14:04:34

视频、开源、工作、量化、模型

发表了文章 21天前2025-12-25 14:02:55

大幅超越π0.5和X-VLA！清北最新Motus：理解、生成、控制全能, 海量视频喂出“最强大脑”

本工作考虑语言条件下的机器人操作任务。对于每个具身智能体，任务定义了动作、观测（视觉输入）、语言指令以及机器人的本体感知，其中分别表示动作空间、观...

AI生成未来 21天前2025-12-25 14:02:55

机器人、工作、模型、视频、数据

发表了文章 21天前2025-12-25 13:57:38

24FPS实时生成！腾讯混元推出WorldPlay：打破“速度与记忆”悖论,720P无限流视频随意玩！

论文链接：https://arxiv.org/pdf/2512.14614 项目链接：https://3d-models.hunyuan.tencent.com...

AI生成未来 21天前2025-12-25 13:57:38

编码、模型、视频、数据、腾讯

发表了文章 21天前2025-12-25 13:57:08

彻底告别VAE！清华x可灵联手开源SVG-T2I：生成理解合二为一，性能媲美SD3

论文链接：https://arxiv.org/pdf/2512.11749 代码链接：https://github.com/KlingTeam/SVG-T2I ...

AI生成未来 21天前2025-12-25 13:57:08

开源、模型、数据、性能、svg

12 3 4 5 6 7 8 9 下一页

个人简介

暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
加入社区时间：2025-08-04

个人成就

获得 155 次赞同
文章被阅读 39.8K 次

关注了：1关注者：13