多粒度视频编辑框架VideoGrain：通过自然语言提示实现对视频内容的精细编辑
悉尼科技大学和浙江大学的研究人员推出多粒度视频编辑框架VideoGrain，通过自然语言提示实现对视频内容的精细编辑。多粒度视频编辑包括类别级（class-level）、实例级（instance-le...
排序
深圳大学推出Attention Distillation：用于将参考图像的视觉特征（如风格、纹理、外观）转移到生成的图像中
深圳大学的研究团队介绍了一种名为 Attention Distillation (AD) 的方法，用于将参考图像的视觉特征（如风格、纹理、外观）转移到生成的图像中。该方法通过计算预训练扩散模型中的自注...
微软研究院推出新型采样策略RAS：用于加速DiT架构模型的生成过程
新加坡国立大学和微软研究院的研究团队提出了一种全新的扩散采样策略——区域自适应采样 (Region-Adaptive Sampling, RAS)。这是首个允许采样率在图像不同区域间动态变化的扩散采样...
高效稀疏注意力机制 SpargeAttn：加速大模型的推理过程，同时不损失模型性能
清华大学和加州大学伯克利分校的研究人员推出高效稀疏注意力机制 SpargeAttn，旨在加速大模型的推理过程，同时不损失模型性能。注意力机制在现代深度学习模型中扮演着重要角色，但由于其计算复杂度与序列...
DeepSeek开源周第五弹：高性能分布式文件系统 3FS和Smallpond 数据处理框架
在开源周的第五天，DeepSeek 正式发布了 3FS（Fire-Flyer File System）。这是一个专为现代 SSD 和 RDMA 网络设计的并行文件系统，旨在为深度学习等数据密集型应用提...
Hugging Face 发布开源Python库FastRTC，简化实时 AI 语音和视频应用
AI 初创公司 Hugging Face 近日推出了一款名为 FastRTC 的开源 Python 库，旨在简化开发者构建实时音频和视频 AI 应用的复杂性。这一创新工具的发布，标志着实时 AI 应用...
DeepSeek 开源周第四弹：DualPipe 和 EPLB 的发布
今天是 DeepSeek 开源周的第四天。与前三天相比，今天的开源项目公布稍晚一些，让关注者们等待得略显焦急，不过等待的结果总是值得的！DeepSeek 今日公布了两项重要的开源内容：DualPipe...
深度求索开源第三弹DeepGEMM：专为高效 FP8 矩阵乘法设计的库
在开源周的第三天，DeepSeek 推出了一个名为 DeepGEMM 的新库，专为高效、简洁的 FP8 通用矩阵乘法（GEMM）而设计。这一工具旨在解决现代 AI 计算中矩阵乘法的效率和精度问题，特别...
深度求索开源第二弹DeepEP：一款专为MoE模型和专家并行（EP）设计的开源通信库
在大语言模型领域，专家混合（MoE）架构因其能在不显著增加计算量的情况下提升模型容量而受到青睐。但MoE模型在GPU间通信方面面临挑战，传统的全对全通信方法可能成为瓶颈。为此，深度求索开源第二弹Dee...
清华大学与瑞莱智慧联合团队推出RealSafe-R1：基于 DeepSeek R1 的安全优化大语言模型
随着大语言模型（LLMs）在各个领域的广泛应用，其安全性问题日益受到关注。尽管这些模型在性能上表现出色，但在面对恶意查询和越狱攻击时，仍存在一定的风险。为了应对这一挑战，清华大学与瑞莱智慧联合团队推出...
DeepSeek开源高效解码内核FlashMLA：从英伟达Hopper GPU中榨取最大性能
随着全球对高性能计算需求的不断增长，AI模型训练和推理对硬件资源的需求也在快速攀升。然而，由于美国出口限制等原因，中国市场更多依赖于英伟达的“缩减版”H800 GPU（相较于H100功能有所削减）。这...
字节跳动推出统一的视频生成框架Phantom ：通过跨模态对齐实现主体一致性的视频生成
字节跳动的研究人员推出一个统一的视频生成框架Phantom ，通过跨模态对齐实现主体一致性的视频生成（Subject-to-Video, S2V），用于单主体和多主体参考，构建在现有的文本到视频和图像...
