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 498 条结果
相关性 | 日期

FrankenMotion: 部件级人体动作生成与组合

👍 19

利用LLM构建部件级动作数据集，实现细粒度时空控制的扩散模型动作生成

Chuqiao Li, Xianghui Xie, Yong Cao, Andreas Geiger, Gerard Pons-Moll 2026-01-19
LLM数据标注 人体动作生成 扩散模型 文本驱动生成 部件级控制
✅ 已总结
详情 →

未来光流预测提升机器人控制与视频生成

👍 19

统一VLM-Diffusion架构从网络视频学习语言驱动的未来光流预测，赋能机器人操控和视频生成

Kanchana Ranasinghe, Honglu Zhou, Yu Fang, Luyu Yang, Le Xue, Ran Xu,... 2026-01-19
光流预测 扩散模型 机器人操控 视觉语言模型 视频生成
✅ 已总结
详情 →

FlowAct-R1：迈向实时交互式人形视频生成

👍 78

基于MMDiT的实时流式人形视频生成框架，25fps低延迟交互，支持任意时长

Lizhen Wang, Yongming Zhu, Zhipeng Ge, Youwei Zheng, Longhao Zhang, Tianshu... 2026-01-16
人形动画 多模态融合 实时交互 扩散模型 视频生成
✅ 已总结
详情 →

VIBE：基于视觉指令的图像编辑器

👍 64

紧凑高效的指令式图像编辑系统，2B VLM+1.6B扩散模型，4秒生成2K图像

Grigorii Alekseenko, Aleksandr Gordeev, Irina Tolstykh, Bulat Suleimanov,... 2026-01-16
图像编辑 扩散模型 指令跟随 视觉语言模型 高效推理
✅ 已总结
详情 →

Alterbute：编辑图像中物体的内在属性

👍 31

基于扩散模型，通过VNE和宽松训练目标编辑物体内在属性。

Tal Reiss, Daniel Winter, Matan Cohen, Alex Rav-Acha, Yael Pritch, Ariel... 2026-01-16
图像编辑 属性编辑 扩散模型 视觉命名实体 身份保持
✅ 已总结
详情 →

视频生成中的运动归因：MOTIVE框架

👍 72

提出MOTIVE框架，通过运动加权梯度归因识别影响视频生成运动质量的训练片段。

Xindi Wu, Despoina Paschalidou, Jun Gao, Antonio Torralba, Laura Leal-Taixé,... 2026-01-14
扩散模型 数据归因 梯度方法 视频生成 运动归因
✅ 已总结
详情 →