实体
VideoPhy2
VideoPhy2
PulseAugur coverage of VideoPhy2 — every cluster mentioning VideoPhy2 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
-
新框架审计视频世界模型的测试时缩放
一篇新的研究论文介绍了计算-价值审计（CVA）框架，用于评估视频世界模型中测试时缩放（TTS）的有效性。研究发现，虽然增加采样可以提高候选生成质量，但现有系统通常无法可靠地识别和利用这种提高的质量。研究强调，只有当采样余量能够转化为有益的决策并证明计算成本的合理性时，它才具有价值。
-
新的PhyS框架将物理先验知识蒸馏到流式世界模型中
研究人员开发了PhyS，一个新颖的三阶段框架，旨在为流式世界模型注入物理一致性。该框架通过构建一个包含120,000个真实世界物理交互视频的大型数据集PhyS-120K来训练一个物理感知教师模型，从而解决了当前方法的局限性。然后，PhyS框架将这些物理先验知识蒸馏到一个更小的因果模型中，该模型通过在线强化学习和一种称为时间信用路由的技术进行进一步优化，以确保物理上合理的长期预测。
-
新框架增强了AI视频生成中的物理真实感
研究人员开发了两个新框架Proprio和LaMo，旨在提高AI生成视频的物理真实感。Proprio是一种无需训练的方法，能够让现有的视频生成器对其输出进行自我评估和优化，以达到物理上的合理性。另一方面，LaMo从无标签的训练数据中提取运动线索，创建潜在的运动先验，从而增强视频生成模型中的物理一致性。这两种方法在解决AI视频违反基本物理原理的常见问题方面都显示出潜力。