hiw3c 日报精选

AI 视频

AI 视频生成与理解:文生视频模型、视频编辑工具与影视创作变革的追踪。

已收录 76 条 · 近 30 天 61 条 · 第 3 / 4 页

星期二 · 7 条
  1. The Decoder国际媒体21:58快照

    来自实验室培养的神经元的微型软件层有望实现更快、更便宜的人工智能视频

    生物计算公司希望与AWS合作,销售一种文本到视频的模型,该模型的运行速度将提高五倍,成本将降低80%,这要归功于一个来自真实神经细胞的软件层。这个微小的层在基本模型上增加了不到0.1%,但初创公司不会说是哪种模型。来自实验室生长神经元的微小软件层承诺更快,更便宜的AI视频首次出现在The Decoder上。

  2. arXiv cs.AI/CL/LG信号源(脚本内置抓取)01:57快照

    WorldCrafter:具有隐式3D感知记忆的一致视频世界模型

    作者:余旺波、刘坤昊、胡文波|视频世界模型能够交互式探索动态环境,但很难尊重长期和跨视角的先前观察。我们介绍了WorldCrafter,这是一个视频世界模型,它为此学习可供相机查询的隐式3D感知记忆。关键的见解是让请求的观点决定如何将多视图证据压缩到视频生成器的

  3. The Decoder国际媒体00:01快照

    字节跳动推出Dramagic,这是一个全管道人工智能平台,用于制作从剧本到银幕的短剧

    字节跳动推出了Dramagic,这是一个人工智能平台,负责处理从剧本到视频预览的整个短剧制作流程。中国对这些视频的需求正在激增:仅2026年第一季度,中国就发行了128,000部短剧,其中95%是人工智能生成的。文章字节跳动推出Dramagic,这是一个用于制作从剧本到屏幕的短剧的全管道人工智能平台,首次出现在The Decoder上。

星期一 · 2 条

星期日 · 3 条
  1. The Decoder国际媒体19:56快照

    Runway希望将人工智能视频生成变成您实时控制的直播

    Runway希望在用户提示时播放人工智能视频,而不是让他们等待完成的剪辑。该方法基于GWM-1,GWM-1是其逐帧生成视频的世界模型。除了创意工具之外,Runway还在机器人和自动驾驶方面发挥了作用。《Runway》希望将人工智能视频生成变成您实时控制的直播流的文章首先出现在The Decoder上。

  2. 雷峰网·AI 科技评论中文媒体15:07中文快照

    剪映发布全新AI能力,推进多端智能提效,支持一站式创作

    9月20日,剪映举办“AI新创作发布会”,围绕不同创作需求推出剪映Hub、AI创作助手“小映”等多个AI新功能,并升级创作者生态。 从专业创作工作台到移动端AI助手,再到模板与创作者服务升级,剪映此次发布的多项能力都指向同一个目标:让AI更多承担生成、整理和重复操作,同时保留创作者对内容、表达和风格的最终判断。随着创作工具、工作流与创作者生态进一步衔接,不同

星期六 · 1 条

星期四 · 4 条
  1. MarkTechPost国际媒体08:45快照

    Nunchux AI推出VC-Attention:一个免训练的低位注意力核心,可加速视频扩散变形器

    Nunchux AI发布了VC-Attention,这是一个为视频扩散变形金刚(DiTS)构建的免训练低比特注意力内核。它同时解决2个问题:值量化误差和缓慢的softmax阶段。为什么注意力是视频瓶颈视频DiT将剪辑压平为1个时空标记序列,并在每一层运行充分的自我注意力。A [.] Nunchux AI推出VC注意力:一种无需训练的低比特注意力核心,可加速视

  2. The Verge国际媒体04:59快照

    人工智能生成的2.5小时奥德赛电影太长了2.5小时

    克里斯托弗·诺兰(Christopher Nolan)对《奥德赛》(The Odyssey)的引人入胜的演绎在票房上占据主导地位,并激发了电影观众对经典文学的新兴趣。但完全用人工智能重新重述故事是如此糟糕,以至于可能会让观众完全讨厌原来的故事。这部新电影名为《奥德赛:堕落》,上映了[.]

  3. arXiv cs.AI/CL/LG信号源(脚本内置抓取)01:56快照

    梦想接触之声:利用视频和音频生成进行零射击力感知操纵和数据生成

    作者:季冠华、李天玉、Dayoon Suh|视频生成的最新进展允许机器人从生成的视频中学习操纵轨迹。然而,这些方法产生的纯粹运动学轨迹缺乏力信息,导致接触丰富的任务失败,而适当的接触力对于成功至关重要。在这项工作中,我们探索用音频增强生成的视频,以塑造有界、时变的愿望

星期三 · 2 条
  1. arXiv cs.AI/CL/LG信号源(脚本内置抓取)01:55快照

    PhysStream:具有结构化场景内存和细粒度运动控制的流物理基础视频生成

    作者:陈楚浩、彼得·旺卡、王朝阳|视频生成的交互式控制正在从粗糙的提示转向对动态场景的细粒度、物理上有意义的操纵。然而,现有的可控方法要么需要在生成开始之前完成完整的控制时间表,要么使用规定对象位置而不是物理动态的像素空间信号。为了解决这些局限性,我们提出了PhysStream,一种autoregre

星期二 · 3 条
  1. arXiv cs.AI/CL/LG信号源(脚本内置抓取)01:58快照

    选择的未来仍可以被重写:视频模型中的因果关系

    作者:王星运、郑浩民、曼远|当视频模型生成物理上不正确的运动时,它是否无法学习正确的运动,或者它学习了它但无法使用它?我们展示了后者:正确的运动在模型内仍然可用,并且仍然可以控制生成的视频。我们在红色物质缓慢振荡、蓝色物质快速振荡的视频上进行训练,然后用观察到的快速运动来测试红色物质