Causality in Video Diffusers is Separable from Denoising
视频扩散器中的因果性可与去噪分离
机构 * Massachusetts Institute of Technology(麻省理工学院) ; Adobe Research(Adobe研究院) ; Morpheus AI(Morpheus人工智能)
AI总结 本文提出可分离因果扩散模型,通过分离时间推理与多步去噪过程,提升视频生成效率并保持生成质量。
高校专区
视频扩散器中的因果性可与去噪分离
机构 * Massachusetts Institute of Technology(麻省理工学院) ; Adobe Research(Adobe研究院) ; Morpheus AI(Morpheus人工智能)
AI总结 本文提出可分离因果扩散模型,通过分离时间推理与多步去噪过程,提升视频生成效率并保持生成质量。
Stemphonic:一次生成灵活多音部音乐创作
机构 * MIT CSAIL(麻省理工学院计算机科学与人工智能实验室) ; Adobe Research(Adobe研究院)
AI总结 Stemphonic通过一次生成灵活多音部音乐创作,提升音乐生成效率和质量。
Comments Accepted for publication at Int. Conf. on Acoustics, Speech, and Signal Processing (ICASSP) 2026
Gencho:通过扩散变压器从混响语音和文本生成房间脉冲响应
机构 * University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校) ; Adobe Research(Adobe研究) ; University of Maryland(马里兰大学) ; MIT(麻省理工学院)
AI总结 Gencho通过扩散变压器模型从混响语音和文本生成房间脉冲响应,实现了更灵活和逼真的声学模拟与生成。
Comments In Proc. of the IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) 2026. Audio examples available at https://linjac.github.io/Gencho/
敏捷非对称多足运动:通过几何力学和自旋模型对偶性进行接触规划
机构 * Department of Mechanical Engineering, Pennsylvania State University(宾夕法尼亚州立大学机械工程系) ; MIT Improbable AI Lab, Maschusetts Institute of Technology(麻省理工学院Improbable AI实验室) ; Department of Physics, Georgia Institute of Technology(佐治亚理工学院物理系) ; Department of Physics, Tsinghua University(清华大学物理系)
AI总结 本研究提出了一种基于几何力学和自旋模型对偶性的原理性框架,用于发现多足运动中的新控制结构,实现了六足机器人非对称运动策略,使前进速度提高50%。
Comments 10 pages, 7 figures. arXiv admin note: text overlap with arXiv:2302.03019
用第一性原理AI预测磁性
机构 * Department of Physics, Massachusetts Institute of Technology, Cambridge, MA 02139, USA(麻省理工学院物理系)
AI总结 利用神经网络变分蒙特卡洛方法,基于微观哈密顿量预测了过渡金属二硫化物莫尔半导体中的铁磁性和反铁磁性态,提升了磁性材料设计的效率和可靠性。
Comments 6+3 pages, 3+4 figures
聊天机器人之死:探索并设计人类与AI关系的心理安全结束
机构 * MIT Media Lab(MIT媒体实验室)
AI总结 本文探讨了人类与AI伴侣关系终止的心理安全设计,提出四个设计原则和工具,帮助平台提供闭合并促进人类连接。
通过视频重规划进行隐式状态估计
机构 * National Taiwan University(国立台湾大学) ; MIT CSAIL(麻省理工学院计算机科学与人工智能实验室) ; Cornell University(康奈尔大学) ; Harvard University(哈佛大学) ; Department of XXX, University of YYY, Location, Country(XXX系,YYY大学,地点,国家) ; School of ZZZ, Institute of WWW, Location, Country(ZZZ学院,WWW研究所,地点,国家)
AI总结 本文提出一种通过视频重规划实现隐式状态估计的框架,通过在线更新模型参数和过滤失败计划,提升复杂任务中的动态适应能力。
POCO:通过群体条件实现可扩展的神经预测
机构 * EECS, MIT(MIT电子工程与计算机科学系) ; SEAS, Harvard University(哈佛大学科学与工程系) ; Janelia Research Campus(贾尔尼亚研究校园) ; Harvard Medical School(哈佛医学院) ; Kempner Institute(凯普纳研究所) ; Université de Montréal(蒙特利尔大学) ; Mila - Quebec AI Institute(魁北克人工智能研究所) ; Stanford University(斯坦福大学)
AI总结 POCO通过结合轻量级预测器和群体编码器,实现跨会话神经预测,提升预测精度并揭示生物结构。
Journal ref Advances in Neural Information Processing Systems (2025)