當(dāng)前位置：

OFweek 人工智能網(wǎng)

> 

評(píng)測(cè)

真“六邊形戰(zhàn)士”！Capybara把圖像視頻全打通：一個(gè)模型搞定T2I、T2V、I2V！

作者：Capybara 團(tuán)隊(duì) 解讀：AI生成未來(lái) 亮點(diǎn)直擊 統(tǒng)一的視覺(jué)創(chuàng)作模型 Capybara： 針對(duì)當(dāng)前視覺(jué)內(nèi)容創(chuàng)作領(lǐng)域高度碎片化（單一模態(tài)、功能割裂、接口不兼容）的問(wèn)題，本文提出了Capybar

2026-03-16 16:20 評(píng)論

大廠“龍蝦”vs開源“澳龍”，2026 claw橫評(píng)

2026年3月，一只紅色的“龍蝦”爬上了開源世界的王座。OpenClaw憑借27.3萬(wàn)的GitHub星標(biāo)，超越了Linux——英偉達(dá)CEO黃仁勛更是將其譽(yù)為“我們這個(gè)時(shí)代最重要的軟件發(fā)布”。 它標(biāo)志著

2026-03-16 10:41 評(píng)論

4B參數(shù)干翻14B！國(guó)產(chǎn)統(tǒng)一多模態(tài)“全能戰(zhàn)士” InternVL-U開源：理解、生成與編輯迎新高度

作者：Changyao Tian等 解讀：AI生成未來(lái) InternVL-U生成和圖像編輯效果 亮點(diǎn)直擊 InternVL-U 架構(gòu)：構(gòu)建了一個(gè)僅有 4B 參數(shù)的輕量級(jí)、高效統(tǒng)一多模態(tài)模型（UMM），

2026-03-13 14:33 評(píng)論

圖像生成迎來(lái)“思考-研究-創(chuàng)造”新范式！Mind-Brush:統(tǒng)一意圖分析、多模態(tài)搜索和知識(shí)推理

作者：Jun He，Junyan Ye等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 Mind-Brush，一個(gè)新穎的智能體框架，該框架統(tǒng)一了意圖分析、多模態(tài)搜索和知識(shí)推理，以實(shí)現(xiàn)圖像生成的“思考-研究-創(chuàng)造”范式

2026-03-12 13:56 評(píng)論

Openclaw部署實(shí)錄：安裝易翻車、本地模型弱，本地「龍蝦」不適合普通人

有的錢可不是那么好省的。 這段時(shí)間，如果你關(guān)注AI圈子，一定會(huì)被一個(gè)名字給刷屏——Openclaw。 （圖源：百度） 上到GITHUB這個(gè)最大的開源社區(qū)，中到各種媒體爭(zhēng)相轉(zhuǎn)發(fā)，下到各個(gè)up主甚至普通人

2026-03-10 15:58 評(píng)論

ICLR 2026 | DragFlow 讓DiT也能“指哪打哪”：基于區(qū)域監(jiān)督的拖拽式圖像編輯新SOTA

作者：Zihan Zhou，Shilin Lu等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 首個(gè)基于 Diffusion Transformer（DiT）架構(gòu)量身打造的圖像精確區(qū)域編輯框架。 研究團(tuán)隊(duì)摒棄了傳統(tǒng)的

2026-03-09 17:19 評(píng)論

CVPR 2026｜“像素級(jí)對(duì)齊大師” VA-π: 25分鐘微調(diào)FID暴降50%

作者：Xinyao Liao*, Qiyuan He*, Kai Xu, Xiaoye Qu, Yicong Li, Wei Wei, Angela Yao 作者單位：華中科技大學(xué)，新加坡國(guó)立大學(xué)解讀

2026-03-03 17:13 評(píng)論

CVPR 2026｜“全能AI海報(bào)設(shè)計(jì)師”PosterOmni開源: 6大任務(wù)笑傲開源社區(qū)，媲美閉源商用

作者：Sixiang Chen等 解讀：AI生成未來(lái) 很多AI 海報(bào)生成默認(rèn)從一句 prompt 出發(fā)（Text-to-Poster）。但在真實(shí)設(shè)計(jì)流程里，更常見的起點(diǎn)其實(shí)是一張參考圖/舊海報(bào)/產(chǎn)品主

2026-02-26 15:04 評(píng)論

NeurIPS`25 | 清華提出模型驅(qū)動(dòng)的生成式探索機(jī)制MoGE，助力強(qiáng)化學(xué)習(xí)算法突破性能上限

作者：Likun Wang等 解讀：AI生成未來(lái) 本文介紹清華大學(xué)李升波教授課題組（iDLab）在NeurIPS 2025發(fā)表的《Off-policy Reinforcement Learning w

2026-02-25 16:32 評(píng)論

顛覆性突破！何愷明團(tuán)隊(duì)重磅工作「Drifting Models」革新生成范式：一步推理直接創(chuàng)紀(jì)錄

作者：Mingyang Deng等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 全新的生成范式：提出了“漂移模型” (Drifting Models)，這一范式不再依賴于推理時(shí)的迭代過(guò)程，而是將分布演化的過(guò)程轉(zhuǎn)移到

2026-02-10 16:19 評(píng)論

一張圖生成游戲？谷歌Genie體驗(yàn)：萬(wàn)物皆可玩，但離“殺死游戲公司”還遠(yuǎn)

一張圖生成游戲，真的假的？ 在開始之前，我想先問(wèn)大家一個(gè)簡(jiǎn)單的問(wèn)題： 你們還在苦苦等待《GTA 6》的發(fā)售嗎？ 我是不清楚大家的想法啦，但小雷真的非常期待它的到來(lái)。要知道《GTA 5》發(fā)布至今已經(jīng)過(guò)去

2026-02-09 10:24 評(píng)論

視頻理解大模型覺(jué)醒！Video-o3發(fā)布：像偵探一樣主動(dòng)搜尋關(guān)鍵幀，登頂Video-Holmes！

作者：Xiangyu Zeng等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 Video-o3，一個(gè)創(chuàng)新的框架，它通過(guò)迭代地發(fā)現(xiàn)顯著的視覺(jué)線索、對(duì)關(guān)鍵片段進(jìn)行細(xì)致檢查以及在收集到足夠證據(jù)時(shí)自適應(yīng)終止搜索過(guò)程，解決了

2026-02-05 14:53 評(píng)論

Google“AI奧運(yùn)會(huì)”：用游戲基準(zhǔn)測(cè)試模型真實(shí)能力

AI新產(chǎn)品每天接連發(fā)布，測(cè)試基準(zhǔn)和平臺(tái)也是層出不窮。 不過(guò)，你是否想過(guò)，游戲也能用來(lái)測(cè)試AI？ 2026年2月初，Google和Kaggle一起想出了一個(gè)新點(diǎn)子：在Kaggle的Game Arena上

2026-02-04 10:56 評(píng)論

擴(kuò)散模型迎來(lái)“終極簡(jiǎn)化”！何愷明團(tuán)隊(duì)新作：像素級(jí)一步生成，速度質(zhì)量雙巔峰

作者：Yiyang Lu等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 Pixel MeanFlow (pMF)?，這是一種針對(duì)一步生成（one-step generation）的創(chuàng)新圖像生成模型。pMF 的核心突

2026-02-02 15:51 評(píng)論

擴(kuò)散模型對(duì)齊迎來(lái)“最強(qiáng)解”！HyperAlign屠榜評(píng)測(cè)：超網(wǎng)絡(luò)動(dòng)態(tài)適配，畫質(zhì)、語(yǔ)義雙巔峰

作者：Xin Xie等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 HyperAlign，一種通過(guò)超網(wǎng)絡(luò)自適應(yīng)調(diào)整去噪操作的框架，能夠高效且有效地實(shí)現(xiàn)擴(kuò)散模型的測(cè)試時(shí)對(duì)齊，確保生成的圖像更好地反映用戶意圖的文本語(yǔ)義

2026-01-27 16:14 評(píng)論

一統(tǒng)視覺(jué)江湖！OpenVision 3發(fā)布：一個(gè)編碼器實(shí)現(xiàn)理解與生成完美統(tǒng)一，性能雙殺CLIP

作者：Letian Zhang等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 統(tǒng)一架構(gòu)：OpenVision 3是一種先進(jìn)的視覺(jué)編碼器，能夠?qū)W習(xí)單一、統(tǒng)一的視覺(jué)表示，同時(shí)服務(wù)于圖像理解和圖像生成任務(wù)。 簡(jiǎn)潔設(shè)計(jì)：核

2026-01-26 16:27 評(píng)論

告別時(shí)空崩壞，生成式游戲迎來(lái)“穩(wěn)態(tài)”時(shí)刻！南大等StableWorld：打造無(wú)限續(xù)航虛擬世界

作者：Ying Yang等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 識(shí)別了長(zhǎng)時(shí)交互式世界建模中不穩(wěn)定性的根本原因：同一場(chǎng)景內(nèi)的微小漂移會(huì)不斷累積，最終導(dǎo)致整體場(chǎng)景崩潰。 一種簡(jiǎn)單而有效的方法?StableWor

2026-01-26 16:22 評(píng)論

角色動(dòng)畫最新SOTA！港大&螞蟻等CoDance：解綁-重綁實(shí)現(xiàn)任意數(shù)量、位置角色同屏起舞

作者：Shuai Tan等 解讀：AI生成未來(lái) 圖1。由CoDance生成的多主體動(dòng)畫。給定一個(gè)（可能錯(cuò)位的）驅(qū)動(dòng)姿勢(shì)序列和一張多主體參考圖像，CoDance生成協(xié)調(diào)且可姿勢(shì)控制的群舞，無(wú)需每個(gè)主體的

2026-01-20 13:48 評(píng)論

視頻生成效率革命！英偉達(dá)TMD蒸餾框架：Wan2.1模型實(shí)時(shí)化，速度和質(zhì)量最佳均衡！

作者：Weili Nie等 解讀：AI生成未來(lái) 亮點(diǎn)直擊 一種新穎的視頻擴(kuò)散蒸餾框架：?轉(zhuǎn)移匹配蒸餾（TMD），它將長(zhǎng)去噪軌跡蒸餾成緊湊的少步概率轉(zhuǎn)移過(guò)程。 解耦的擴(kuò)散主干設(shè)計(jì)：?將教師模型分解為語(yǔ)義

2026-01-19 15:31 評(píng)論

Qwen3-VL-Flash提升13.62%！浙大等首創(chuàng)CoV:多步推理具身問(wèn)答Agent，通用提點(diǎn)神器

作者：CoV團(tuán)隊(duì) 解讀：AI生成未來(lái) 亮點(diǎn)直擊 CoV 框架：首創(chuàng)“視鏈提示”（Chain-of-View, CoV），一個(gè)免訓(xùn)練、測(cè)試時(shí)（test-time）的具身問(wèn)答智能體框架。 主動(dòng)視覺(jué)推理：將

2026-01-14 14:06 評(píng)論
上一頁(yè)   1  2 3 4 5 6 7 ... 10   下一頁(yè)

資訊訂閱

粵公網(wǎng)安備 44030502002758號(hào)