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。...

还记得哈利波特的“隐身斗篷”吗？ 披上斗篷的哈利波特瞬间隐身，毫无痕迹。 现在只需要一个AI算法，你也可以拥有这件“AI隐身衣”。 视频『擦除』，这个AI就够了 在视频后期处理中，经常会遇到一项难搞的需求：如何把一个人/物从视频中完美剔除？虽然Ps技术已经很普及，但也很难处理视频问题。 而现在，只需要一个名为光流边缘引导（Flow-edge Guided）的AI修复算法，这项耗时又费力的工作...

学习模型已经具备很强的局部视觉先验，而 3D 几何可以帮助建立跨视角、长距离的全局一致性。二者如何结合，是 3D 视觉与空间智能中的重要问题。 编辑丨岑峰 在生成式 AI 的快速发展中，Sora 等视频和图像扩散模型（Diffusion Models）展示了很强的视觉生成能力。大规模 2D 数据让模型学到了丰富的视觉与语义先验，在单帧和局部视频生成上取得了显著进展。但当任务进一步要求多视角、...

告别模型拼贴套路，自回归与离散扩散的融合，正在开启 AI 的体验时代。 作者丨张璐 编辑丨岑峰 “理解”和“生成”真的无法在同一个模型底座中完美融合吗？不同于拼接独立模型的传统做法，NUS Show Lab 选择了一条更原生的架构路线：在单个 Transformer 中同时打通自回归预测与离散扩散生成。作为多模态领域的重磅成果，Show-o 系列不仅打破了模态壁垒，更将触角延伸至具身机器人决...

2D去噪范式在真实3D遮挡前失效，破局关键在于将物理机制转化为结构先验。 作者丨张璐 编辑丨岑峰 大模型在文本与 2D 图像上的狂飙，归功于互联网上近乎无穷的干净数据。但当 AI 试图跨越屏幕、理解真实的 3D 物理世界时，这套经验法则瞬间失效。真实扫描数据充斥着噪点与死角，物理遮挡造成的几何缺失既非随机发生，更无法用简单的去噪算法抹平。面对这一死结，多数团队选择用人工合成数据去“硬碰硬”，...