跳到正文

#多模态

今日 0 条
9月25日周五
  1. Google Research62

    Google Research 提出 AI 视频联合导演框架,自动化长视频生成

    Google Research 发布 AI 视频联合导演框架,通过多智能体架构在 Gemini 和 Veo 之上实现长视频的视觉一致性规划。该框架包含 Co-Director、CANVAS、A²RD 和 VQQA 四个组件,分别处理创意编排、视觉故事板、时序扩展和闭环优化,在 GenAD-Bench 上取得 81.4 的峰值质量分,并能在多分钟视频中缓解视觉漂移和错误传播。

    推荐理由:原文给出了一套多智能体框架在长视频一致性上的完整方案和基准数据,读者可以据此评估其相对现有方法的实际增益。

1月10日周六
  1. Berkeley AI Research38

    信息驱动式成像系统设计

    伯克利AI研究团队提出一种直接基于信息内容评估与优化成像系统的新框架,无需依赖人类可解读的图像或任务特定解码器。该信息度量在彩色摄影、射电天文、无透镜成像和显微镜四个领域均能预测系统性能,且优化后的设计在匹配最先进端到端方法的同时,所需内存和计算更少。相关成果发表于NeurIPS 2025论文。