来源：上海电影学院 原文链接：https://mp.weixin.qq.com/s/6btNiAWOEXEqlfk3tAGaYQ近日，上海电影学院、上海电影特效工程技术研究中心李梦甜课题组（MAGIC Lab）的前沿研究论文《VERTIGO:Visual Preference Optimization for Cinematic Camera Trajectory Generation》（电...

来源：AI智沿前线 原文链接：https://mp.weixin.qq.com/s/4C6xdnLvW5RiE-uiHRQ1bA 华中科技大学与 VIVO AI Lab 提出 Moebius：一个只有 0.22B 参数的轻量级图像修复框架，却能在图像补全任务上接近甚至超过 10B 级工业大模型 FLUX.1-Fill-Dev。它没有继续沿着“模型越大越好”的路径堆参数，而是把扩散模型的骨干网...

来源：淘天集团智能算法产品 原文链接：https://mp.weixin.qq.com/s/r0vxge6BPJTHpb4PpZhsGA ECCV（European Conference on Computer Vision，欧洲计算机视觉大会）是计算机视觉领域最具影响力的国际学术会议之一，与CVPR、ICCV并称全球计算机视觉三大顶会，也是中国计算机学会（CCF）推荐的A类会议。作为计算机...

来源：青稞AI 原文链接：https://mp.weixin.qq.com/s/5OEsY-Kzxhw_8i-6-3lwmg ? 诚邀投稿 | Call for Papers 第二届 MUCG Workshop（Multimodal Large Language Models for Unified Comprehension and Generation）将于 2026 年 9 月 8 日...

来源：量子位 原文链接：https://mp.weixin.qq.com/s/S15YL6gt809I3XObmFdvrA 世界模型这两年很火，但一个核心问题始终悬着： 它在仿真里跑得好好的，放到真实物理世界还靠谱吗？ 自动驾驶场景下，模型可能产生物理幻觉；长时间推演中，几何一致性逐渐崩坏；极端corner case里，它给出过度自信的误判。 从仿真到部署，这道鸿沟不是调调参数就能跨过去的。...

来源：Deepvisionary 原文链接：https://mp.weixin.qq.com/s/1bJKvSqYA6DsCElE6c-ICQ 生成式 AI 行业有一个公开的秘密:它最赚钱的应用,恰恰是最烧钱的应用。视频生成模型每生成一秒画面,背后都是几十上百次扩散去噪迭代;商用视频生成 API 的毛利,很大一部分被推理电费吃掉了。 2026 年 7 月 9 日,阿里云与上海交大在 ECCV...

来源：我爱计算机视觉 原文链接：https://mp.weixin.qq.com/s/3xekNy_ObCYtS2-mFkos1g 扩散Transformer（Diffusion Transformers, DiT）如今已成为高保真视觉生成领域的黄金标准，像广为人知的 FLUX.1 和 HunyuanVideo 等模型，其生成效果确实令人惊叹。然而，这种惊艳效果的背后，是极其高昂的推理延迟—...

今天，距离 ECCV 2026 在瑞典马尔默开幕只剩 12 天，会前预热迎来最重磅的一天：官方完整议程首次揭晓，图灵奖得主 Yann LeCun 携手自动驾驶与世界模型领域的两位顶尖学者压轴 Keynote；与此同时，中国团队带来仅 71M 参数的实时人像“全能模型”，CMU 则拿出能一键修复 3D 渲染瑕疵的通用视频模型。这些进展不仅勾勒出本届大会“世界模型 + 自动驾驶 + 轻量实时生成...

来源：量子位 原文链接：https://mp.weixin.qq.com/s/zF8fzbPUgIXTTC4Inh7dhA 给图像生成模型一张人物参考图，它大概率能抓住身份特征。 再给一张背景图，它也许还能把人放进去。 但如果一次给它5张、6张甚至7张不同类型的参考图：一个人物、一张背景、一种姿势、一种光照、一个风格，还要求它把这些信息组合成一张自然、统一、符合指令的新图呢？ 问题就开始出现...

来源：机器之心 原文链接：https://mp.weixin.qq.com/s/Oj5TXFn_g9z1pRXJUyjOPg 当听到「把双手举过头顶，然后向前走」，人可以在脑中补出一整段动作；当看到一段无声的人体轨迹，也能判断人物是在行走、转身还是踉跄。连续运动既可以被语言描述，也可以作为生成、预测和编辑的条件。 今天的多模态大模型已经能够理解和生成文本、图像，却很少把「人怎样连续运动」作为...