视频大模型

FlowAct-R1: Towards Interactive Humanoid Video Generation

FlowAct-R1: 向交互式人形视频生成迈进

Lizhen Wang, Yongming Zhu, Zhipeng Ge, Youwei Zheng, Longhao Zhang, Tianshu Hu, Shiyang Qin, Mingshuang Luo, Jiaxu Zhang, Xin Chen, Yulong Wang, Zerong Zheng, Jianwen Jiang, Chao Liang, Weifeng Chen, Xing Wang, Yuan Zhang, Mingyuan Gao

机构 * ByteDance Intelligent Creation（字节跳动智能创作） 纠错

专题命中 视频生成 ：video generation(title,abstract)；分类 cs.CV

AI总结 FlowAct-R1通过分块扩散策略和高效优化，实现了实时交互式人形视频生成，具备高保真和低延迟的视频合成能力。

CoF-T2I: Video Models as Pure Visual Reasoners for Text-to-Image Generation

CoF-T2I: 视频模型作为纯视觉推理器用于文本到图像生成

Chengzhuo Tong, Mingkun Chang, Shenglong Zhang, Yuran Wang, Cheng Liang, Zhizheng Zhao, Ruichuan An, Bohan Zeng, Yang Shi, Yifan Dai, Ziming Zhao, Guanbin Li, Pengfei Wan, Yuanxing Zhang, Wentao Zhang

机构 * Peking University（北京大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Sun Yat-sen University（中山大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） 纠错

专题命中 视频生成 ：video generation(abstract)；分类 cs.CV

AI总结 CoF-T2I通过引入链式帧推理提升文本到图像生成的质量，通过逐步视觉细化和显式推理步骤实现高质量图像生成。

Comments 16 pages, 8 figures

LaM-SLidE: Latent Space Modeling of Spatial Dynamical Systems via Linked Entities

通过链接实体进行空间动态系统的潜在空间建模：LaM-SLidE

Florian Sestak, Artur Toshev, Andreas Fürst, Günter Klambauer, Andreas Mayr, Johannes Brandstetter

机构 * ELLIS Unit, LIT AI Lab, Institute for Machine Learning, JKU Linz（ELLIS单位、LIT AI实验室、机器学习研究所、JKU林茨） ； Department of Engineering Physics and Computation, TUM（工程物理与计算系、技术大学慕尼黑） ； Emmi AI GmbH（Emmi AI公司） ； Clinical Research Institute for Medical AI, JKU Linz（医学人工智能临床研究所、JKU林茨） 纠错

专题命中 视频生成 ：video generation(abstract)

AI总结 LaM-SLidE通过引入标识符表示，实现对空间动态系统潜在空间的建模，提升轨迹生成的效率与准确性。

Comments Project page: https://ml-jku.github.io/LaM-SLidE/