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 视觉语言模型 世界模型 GRPO 多模态大模型 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 323 条结果
相关性 | 日期

PISCO：基于稀疏控制的精确视频实例插入

👍 13

提出视频扩散模型PISCO，用稀疏关键帧控制实现精确的视频物体插入

Xiangbo Gao, Renjie Li, Xinghao Chen, Yuheng Wu, Suofei Feng, Qing Yin, Zhengzhong Tu 2026-02-13
实例插入 扩散模型 稀疏控制 视频生成 视频编辑
✅ 已总结
详情 →

VideoWorld 2：从真实视频中学习可迁移知识

👍 14

通过动力学增强的潜在动力学模型，从无标签视频学习可迁移任务知识

Zhongwei Ren, Yunchao Wei, Xiao Yu, Guixun Luo, Yao Zhao, Bingyi Kang,... 2026-02-11
世界模型 机器人操作 自监督学习 视频生成 长时序推理
✅ 已总结
详情 →

MOVA：迈向可扩展且同步的视频-音频生成

👍 159

32B参数非对称双塔架构，实现高保真唇形同步与音视频对齐的开源联合生成模型

SII-OpenMOSS Team, Donghua Yu, Mingshu Chen, Qi Chen, Qi Luo, Qianyi Wu,... 2026-02-10
MoE架构 唇形同步 多模态扩散 视频生成 音视频对齐
✅ 已总结
详情 →

自适应一维视频扩散自编码器

👍 5

用 Transformer 替代 CNN 做视频压缩，支持自适应长度编码和扩散解码

Yao Teng, Minxuan Lin, Xian Liu, Shuai Wang, Xiao Yang, Xihui Liu 2026-02-06
Transformer 扩散模型 自编码器 视频压缩 视频生成
✅ 已总结
详情 →

FastVMT：消除视频运动转移中的冗余计算

👍 3

通过滑动窗口运动提取和梯度复用，实现无训练视频运动转移加速3.4倍

Yue Ma, Zhikai Wang, Tianhao Ren, Mingzhe Zheng, Hongyu Liu, Jiayi Guo, Mark... 2026-02-06
DiT 扩散模型 视频生成 计算效率 运动转移
✅ 已总结
详情 →

利用虚拟头实现高效自回归视频扩散

👍 8

通过识别并压缩注意力中的虚拟头实现自回归视频扩散模型的无损加速

Hang Guo, Zhaoyang Jia, Jiahao Li, Bin Li, Yuanhao Cai, Jiangshan Wang,... 2026-02-05
KV缓存压缩 扩散模型 推理加速 注意力优化 视频生成
✅ 已总结
详情 →