AI 大模型
视频理解、视频生成、视频语言模型和时序视觉推理。
协同AI代理与批评者用于网络遥测中的故障检测与原因分析
机构 * Department of Electrical and Computer Engineering, University of Alberta（阿尔伯塔大学电气与计算机工程系） ； SheQAI Research（SheQAI研究）
专题命中 视频生成 ：video generation(abstract)
AI总结 本文提出一种多代理联邦系统，通过AI代理与批评者协作完成网络遥测中的故障检测、严重性和原因分析等多模态任务，利用多时间尺度随机逼近技术保证收敛性，通信开销低且隐私保护。
EVA：通过逆动力学奖励对齐视频世界模型与可执行机器人动作
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； DexForce Technology Co., Ltd.（DexForce技术有限公司）
专题命中 视频生成 ：video generation(abstract)
AI总结 本文提出EVA框架，通过逆动力学奖励对齐视频世界模型与可执行动作，减少生成动作中的体感约束违规，提升下游任务执行成功率。
Comments Project page: https://eva-project-page.github.io/
通过机器人中心视频合成实现形态一致的人形交互
机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Shenzhen University（深圳大学） ； University of Cambridge（剑桥大学）
专题命中 视频生成 ：video generation(abstract)
AI总结 本文提出Dream2Act框架，通过生成视频合成实现零样本人形机器人交互，避免传统retargeting的形态差距问题，提升任务完成率。
DreamPlan: 通过视频世界模型高效强化微调视觉语言规划器
机构 * USC Physical Superintelligence Lab（USC物理超智能实验室） ； Toyota Research Institute（丰田研究院）
专题命中 视频生成 ：video generation(abstract)
AI总结 DreamPlan通过视频世界模型高效强化微调视觉语言规划器，利用零样本VLM生成探索数据训练动作条件视频生成模型，再通过ORPO在虚拟环境中微调VLM，提升物体 manipulation 成功率。
EMMA: 通过生成性视觉迁移实现现实世界机器人操作的泛化
专题命中 视频生成 ：video generation(abstract)
AI总结 EMMA通过生成性视觉迁移框架提升机器人操作的泛化能力，结合生成数据引擎与高效训练流程，实现多视角一致性和几何精度的提升，实验证明其在零样本场景下的显著性能提升。
从表演者到创作者：理解退休女性对技术增强舞蹈表演的认知
专题命中 视频生成 ：video generation(abstract)
AI总结 本文通过交互式舞蹈技术与AI生成内容，帮助退休女性克服年龄相关限制，提升舞台表现并成为表演共创者。
DreamToNav: 通过生成式视频规划实现通用机器人导航
机构 * Intelligent Space Robotics Laboratory, Skolkovo Institute of Science and Technology（智能空间机器人实验室，斯克尔科夫科学与技术研究所）
专题命中 视频生成 ：video generation(abstract)
AI总结 DreamToNav通过生成式视频规划实现通用机器人导航，利用自然语言提示生成精确运动路径，实现目标导向的自主导航。
Comments Submitted to conference
从预训练视频模型中学习物理：一种多模态连续和序列世界交互模型用于机器人操作
机构 * Sun Yat-sen University（中山大学） ； Guangdong Key Laboratory of Big Data Analysis（广东大数据分析与处理重点实验室） ； X-Era AI Lab（X-Era人工智能实验室） ； Guangdong University of Technology（广东工业大学）
专题命中 视频生成 ：video generation(abstract)
AI总结 PhysGen通过预训练视频模型学习物理知识，实现机器人操作的连续和序列世界交互，优于现有基线方法。
Comments 11 pages, 6 figures
生成式AI与人类创作者：跨域市场中的采购机制设计
专题命中 视频生成 ：video generation(abstract)
AI总结 本文研究了生成式AI与人类创作者在跨域市场中的采购机制设计，揭示了数据中介带来的影响及对社会福利的负面影响，提出需政府监管以优化数据生态系统。
双粒度对比奖励 via 生成 episodic 引导 为高效 embodied RL
机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学）
专题命中 视频生成 ：video generation(abstract)
AI总结 本文提出DEG方法，通过生成episodic引导实现高效具身RL，无需人工标注，提升样本效率和任务完成能力。
HLA: Hadamard线性注意力
机构 * Qualcomm AI Research（高通人工智能研究）
专题命中 视频生成 ：video generation(abstract)
AI总结 HLA通过在计算成对相似性后应用非线性，提高线性注意力对softmax的近似精度，无需张量重塑，适用于大规模视频生成任务。
说、梦、做：学习视频世界模型以驱动指令式机器人操作
机构 * Fudan University（复旦大学）
专题命中 视频生成 ：video generation(abstract)
AI总结 本文提出一种视频条件动作框架，通过生成稳健的视频模型和对抗性蒸馏，提升机器人操作中的预测能力和空间准确性。
DexImit：从单目人类视频中学习双臂灵巧操作
机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； NVIDIA（英伟达）
专题命中 视频生成 ：video generation(abstract)
AI总结 DexImit通过四阶段生成流程，将单目人类视频转化为物理合理的机器人数据，以解决双臂灵巧操作的泛化问题。
Kahaani：一种多模态协同创作叙事系统
机构 * Lahore University of Management Sciences（拉瓦尔大学管理科学学院） ； University of Michigan（密歇根大学） ； Strategize Labs（战略实验室）
专题命中 视频生成 ：text-to-video(abstract)
AI总结 Kahaani通过多模态技术帮助儿童提升英语能力、学习生活教训并理解故事结构，采用协同创作方式提供沉浸式教育体验。
人工智能进展：面向创意产业的综述
机构 * Visual Information Laboratory, University of Bristol, Bristol, UK（布里斯托大学视觉信息实验室）
专题命中 视频生成 ：video generation(abstract)
AI总结 本文综述了自2022年以来人工智能在创意产业中的进展，探讨了生成式AI、大语言模型和扩散模型等技术对创意生产流程的影响，并分析了人类与AI协作的新趋势及面临的挑战。
Comments This is an updated review of our previous paper (see https://doi.org/10.1007/s10462-021-10039-7), and has been accepted by Artificial Intelligence Review journal
OnePiece：一种基于RDMA的大型分布式推理系统，用于复杂AI生成内容（AIGC）工作流
专题命中 视频生成 ：video generation(abstract)
AI总结 OnePiece通过RDMA优化和微服务分解，提升AIGC工作流的吞吐量和资源利用率，减少GPU资源消耗16倍。
Comments 12 pages
SketchDynamics: 探索自由形式草图用于动画生成中的动态意图表达
专题命中 视频生成 ：video generation(abstract)
AI总结 SketchDynamics通过自由形式草图与AI交互，探索动态意图表达在动画生成中的应用，展示草图如何有效传达运动意图并指导视频生成。
Comments conditionally accepted by CHI'26
通过链接实体进行空间动态系统的潜在空间建模：LaM-SLidE
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）
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/
物理合理多系统轨迹生成与对称性发现
机构 * Princeton University（普林斯顿大学） ； Tsinghua University（清华大学）
专题命中 视频生成 ：video generation(abstract)
AI总结 本文提出SPS-GAN，通过辛相空间GAN架构实现多系统轨迹生成与对称性发现，无需先验配置空间知识，通过物理动机项优化实现配置空间的稀疏表示。
SingingBot: 一种由虚拟角色驱动的机器人面部歌唱表演系统
专题命中 视频生成 ：video generation(abstract)
AI总结 SingingBot通过虚拟角色驱动框架实现机器人面部歌唱的丰富情感表达，提出情感动态范围指标评估情感广度，实验表明其在情感表现和同步性方面优于现有方法。
专题命中 视频生成 ：video generation(abstract)
Comments Accepted to AAAI-26 (Oral). Project website: https://grim-tog.github.io
专题命中 视频生成 ：video generation(abstract)
专题命中 视频生成 ：video generation(abstract)
机构 * Aalto University（阿alto大学） ； University of Edinburgh（爱丁堡大学） ； Deep Render（Deep Render公司） ； DataCrunch（DataCrunch公司） ； University of Helsinki（赫尔辛基大学）
专题命中 视频生成 ：video generation(abstract)
Comments 6 pages, 3 figures, 1X world model challenge technical report
机构 * Institute of Parallel and Distributed Systems, Shanghai Jiao Tong University（并行与分布式系统研究所，上海交通大学） ； Tsinghua University（清华大学） ； SenseTime Research（商汤科技研究院）
专题命中 视频生成 ：video generation(abstract)
机构 * Dept. of Comp. Sci. & Tech.（计算机科学与技术系） ； Institute for AI（人工智能研究院） ； BNRist Center（BNRist中心） ； Tsinghua-Bosch Joint ML Center（清华大学-博世联合机器学习中心） ； THBI Lab（THBI实验室） ； Tsinghua University（清华大学）
专题命中 视频生成 ：video generation(abstract)
Comments @inproceedings{zhang2025sageattention, title={SageAttention: Accurate 8-Bit Attention for Plug-and-play Inference Acceleration}, author={Zhang, Jintao and Wei, Jia and Zhang, Pengle and Zhu, Jun and Chen, Jianfei}, booktitle={International Conference on Learning Representations (ICLR)}, year={2025} }
Journal ref The Thirteenth International Conference on Learning Representations (ICLR 2025)
专题命中 视频生成 ：video generation(abstract)
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳人工智能与机器人研究院） ； University of California, San Diego（加州大学圣地亚哥分校）
专题命中 视频生成 ：video generation(abstract)
机构 * Intelligent Robotics Laboratory, Skolkovo Institute of Science and Technology (Skoltech)（斯克尔科夫科学与技术研究所智能机器人实验室）
专题命中 视频生成 ：video generation(abstract)
Comments submitted to IEEE conference
机构 * University of Michigan（密歇根大学） ； SaferDrive AI ； The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； NVIDIA（英伟达）
专题命中 视频生成 ：video generation(abstract)
Comments 8 pages, 6 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈