实体
PhyWorld
PhyWorld
PulseAugur coverage of PhyWorld — every cluster mentioning PhyWorld across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新基准PhyEditBench测试AI图像编辑中的物理推理能力
研究人员推出了PhyEditBench，这是一个旨在评估图像编辑模型基于物理的推理能力的新基准。该基准包含从视频中提取的238个真实世界实例和35个合成的违反物理定律的实例，并被归入一个分层分类法。在PhyEditBench测试中，当前最先进的编辑方法在基于物理的推理方面显示出显著的局限性。研究人员还提出了PhyWorld，一个利用视频生成进行推理的免训练基线，其表现优于同类模型。
-
Next Forcing 框架提升视频生成速度和准确性
研究人员推出了一种名为“Next Forcing”的新型多块预测框架，旨在增强自回归视频生成。该方法通过提供关于未来动态的明确信号来解决当前模型的局限性，从而实现更快的训练收敛和更高的准确性，尤其是在高帧率下。该框架还加速了推理，并展示了在生成的视频中更好地遵守物理定律。
-
新方法提升自回归视频生成质量和效率
研究人员正在开发新方法来改进自回归视频生成，重点关注效率和质量。一种名为 One-Forcing 的方法结合了 DMD 目标和 GAN 损失，实现了稳定、高质量的一步视频生成，在基准测试中优于现有的一步法。另一种技术 DySink 使用基于检索的框架和动态帧接收器来保持自适应的远程上下文，并防止长视频生成崩溃。此外，对抗性流蒸馏 (AFD) 提供了一种策略内方法，可以将异构黑盒视频生成器蒸馏成高效的自回归学生模型，而无需教师分数。