标签： 全部 强化学习 扩散模型 大语言模型 基准测试 视频生成 LLM智能体 世界模型 视觉语言模型 GRPO 多模态大模型 知识蒸馏 基准评测 具身智能 流匹配 机器人操作 多智能体系统 智能体 LLM Agent 可解释性 图像生成 代码生成 多模态学习 检索增强生成 注意力机制 RLVR 后训练 视频理解 机器人学习 长上下文 多模态 数学推理 图像编辑 VLA 数据合成 多模态大语言模型 推理加速 高效推理 评测基准 自监督学习 工具调用 对比学习 扩散语言模型 视觉-语言-动作模型 参数高效微调 Transformer 工具使用 LoRA 持续学习 LLM评估 自蒸馏 多模态推理 RAG 模仿学习 综述 LLM推理 信息检索 信用分配 在线策略蒸馏 模型压缩 合成数据
找到 582 条结果
相关性 | 日期

文本-视觉协同指导的图像编辑

👍 19

联合文本语义和视觉空间提示实现精准意图感知的图像编辑

Chenxi Xie, Yuhui Wu, Qiaosi Yi, Lei Zhang 2026-06-17
图像编辑 多模态学习 扩散模型 计算机视觉
✅ 已总结
详情 →

参考引导生成内容超分辨率与精细化

👍 9

首次提出RefGC-SR²任务，利用原始高分辨率参考图联合修复生成伪影并提升分辨率。

Jeahun Sung, Dahyeon Kye, Soo Ye Kim, Jihyong Oh 2026-06-17
参考引导生成 图像生成 扩散模型 超分辨率
✅ 已总结
详情 →

Lip Forcing：用于实时唇形同步的少步自回归扩散模型

👍 36

首个支持实时推理的唇形同步扩散模型，通过分析驱动的蒸馏框架将14B教师压缩为两步自回归学生，实现31 FPS流式生成

Paul Hyunbin Cho, Jinhyuk Jang, SeokYoung Lee, Joungbin Lee, Siyoon Jin,... 2026-06-10
唇形同步 实时推理 扩散模型 模型蒸馏 自回归生成
✅ 已总结
详情 →

视频世界模型的潜在空间记忆

👍 71

在潜在空间直接构建3D记忆，实现高效几何一致的视频生成

Weijie Wang, Haoyu Zhao, Yifan Yang, Feng Chen, Zeyu Zhang, Yefei He,... 2026-06-09
3D一致性 世界模型 扩散模型 空间记忆 视频生成
✅ 已总结
详情 →

基于分解视觉代理的直接3D感知物体插入

👍 26

提出DIRECT框架，通过外观-几何-上下文三元引导实现姿态可控的物体插入

Jingbo Gong, Yikai Wang, Yushi Lan, Yuhao Wan, Ziheng Ouyang, Rui Zhao,... 2026-06-08
3D感知图像编辑 姿态控制 扩散模型 条件生成 物体插入
✅ 已总结
详情 →