新技术

在 AI 大模型领域，运行像 DeepSeek-R1 这样的千亿级参数模型一直是个难题。普通用户要么依赖云服务，要么只能运行大幅缩水的本地版本，而租赁服务器的成本也让开发者望而却步。但现在，这一局面正...

上海AI实验室、上海交通大学、香港中文大学和InnoHK的研究人员提出基于结果奖励的强化学习新范式OREAL，通过基于结果奖励的强化学习（RL）提升大语言模型（LLMs）在数学推理任务中的表现。该框架...

复旦大学、浙江大学、华为诺亚方舟实验室、西湖大学的研究人员推出新型高质量图像到视频生成模型VidCRAFT3 ，能够同时控制相机运动、物体运动和光照方向。它通过解耦这些视觉元素的控制，实现了对生成视频...

阿里通义实验室推出高保真角色图像动画生成框架Animate Anyone 2，它不仅利用运动信号来驱动角色动画，还从驱动视频中提取环境表示，使角色动画能够与环境自然地融合。前代技术Animate An...

Netflix Eyeline Studios、Netflix、石溪大学、马里兰大学和斯坦福大学的研究人员推出一种简单高效的控制视频扩散模型运动模式的方法Go-with-the-Flow ，通过实时扭...

字节跳动推出新型单目深度估计方法Video Depth Anything，专门用于超长视频（数分钟）的高质量、一致的深度估计。该方法基于 Depth Anything V2，通过引入高效的空间-时间头...

阿里在去年2月推出新型音频驱动的虚拟角色视频生成方法EMO，近期又发布了 EMO2，它能够同时生成富有表现力的面部表情和手势动作。该方法特别关注于语音伴随手势（co-speech gestures）的...

香港大学和快手科技的研究人员推出GameFactory框架，旨在通过生成式交互视频来创建全新的游戏。该框架利用预训练的视频扩散模型（video diffusion models），结合少量的第一人称游...

谷歌 DeepMind、特拉维夫大学、以色列理工学院和魏茨曼研究所的研究人员推出新型多概念个性化方法TokenVerse，旨在通过预训练的DiT架构文生图模型实现从单张或多张图像中提取复杂视觉概念，并...

哈尔滨工业大学（深圳）和清华大学的研究人员推出多智能体协作框架 FILMAGENT，旨在通过大语言模型（LLMs）实现虚拟 3D 空间中的端到端电影自动化制作。该框架模拟了电影制作中的各种角色（如导演...

字节跳动推出新型身份保持视频生成方法EchoVideo ，旨在通过多模态特征融合解决传统方法中存在的“复制粘贴”现象和身份相似度低的问题。该方法能够生成高质量、连贯且一致的视频内容，同时保持人物的身份...

南开大学、巴塞罗那自治大学计算机视觉中心、穆罕默德·本·扎耶德人工智能大学，林雪平大学和软银的研究人员推出1Prompt1Story，旨在解决文本到图像（Text-to-Image，T2I）生成中的一...