AI资讯新闻榜单内容搜索-Vide

关键词: iVideoGPT,交互式世界模型,大模型,AI,模型训练

iVideoGPT，满足世界模型高交互性需求。

关键词: 3D,生成模型,NUS,X-Ray,模型训练

如今的生成式AI在人工智能领域迅猛发展，在计算机视觉中，图像和视频生成技术已日渐成熟，如Midjourney、Stable Video Diffusion [1]等模型广泛应用。然而，三维视觉领域的生成模型仍面临挑战。

关键词: Mamba,Transformer,AI框架,AI视频,模型训练,Video Mamba Suite

探索视频理解的新境界，Mamba 模型引领计算机视觉研究新潮流！传统架构的局限已被打破，状态空间模型 Mamba 以其在长序列处理上的独特优势，为视频理解领域带来了革命性的变革。

关键词: AI视频,MiniGPT4-Video,SOTA,sora

秒懂视频的AI诞生了！KAUST和哈佛大学研究团队提出MiniGPT4-Video框架，不仅能理解复杂视频，甚至还能作诗配文。

关键词: AI,Agent,Video Diffusion,大模型,Logenic AI,AGI

近期，一篇4万字的演讲风靡于国内人工智能（AI）学术圈。原华为"天才少年"、Logenic AI公司联合创始人李博杰博士，日前发表了一篇关于AI Agent思考的文章，题为"AI Agent 应该更有趣还是更有用"。

关键词: sora,AI视频,AI MV,Worldweight,openai

AIGC，算是狠狠地震荡了一把音乐圈。就在刚刚，OpenAI官方账号发布的一支由Sora制作的MV（Music Video）——《Worldweight》，引发了不少网友们的围观。

关键词: Transformer,模型框架,AI学术,CVPR,Video Pose Transformer,VPT

现在，AI 大模型已经疯狂到这种地步了吗？此时此刻，正有两个 Claude 模型在无休止地对话，它们在探索整个宇宙的奥妙。

关键词: Transformer,模型框架,AI学术,CVPR,Video Pose Transformer,VPT

目前，Video Pose Transformer（VPT）在基于视频的三维人体姿态估计领域取得了最领先的性能。近年来，这些 VPT 的计算量变得越来越大，这些巨大的计算量同时也限制了这个领域的进一步发展，对那些计算资源不足的研究者十分不友好。例如，训练一个 243 帧的 VPT 模型通常需要花费好几天的时间，严重拖慢了研究的进度，并成为了该领域亟待解决的一大痛点。

关键词: CNN,Transformer,Uniformer,视频理解技术,视频AI

视频理解因大量时空冗余和复杂时空依赖，同时克服两个问题难度巨大，CNN 和 Transformer 及 Uniformer 都难以胜任，Mamba 是个好思路，让我们看看本文是如何创造视频理解的 VideoMamba。

关键词: Stable Video,SD,AI 3D,AI视频,扩散模型,文生视频

近日，Stability AI又发布了新作SV3D，基于视频扩散模型的SV3D将3D模型生成的效果提升了一大截，模型权重已在huggingface开放。