搜索
浙大联合微软亚洲研究院最新提出的World-R1，不改架构、不要3D数据，纯靠强化学习就让视频生成模型学会了“理解”三维世界。World-R1 的出发点很简单：预训练的视频模型里面已经有 3D 知识了，只是“沉睡”着。用强化学习把它叫醒就行。
今天，谷歌原生视频模型Gemini Omni意外曝光！各种惊艳demo刷爆，教授黑板推导数学公式、一句话编辑视频，丝滑程度让全网破防。
Jim Fan 在红杉资本 AI Ascent 最新观点，信息量极大，机器人物理AI很快就会迎来突破，答案就在视频模型，路径就是LLM的突破路径,Jim Fan把机器人的未来路线图比作文明游戏里的科技树，还剩三个成就要解锁,2040年就是终局
UniGeo通过视频模型的连续视角先验与统一几何引导，实现稳定、高质量的相机可控图像生成，全面超越现有方法，在不同幅度的相机运动中提升跨视角一致性与结构稳定性。
LPM 1.0 只是冰山一角，蔡浩宇真正在造的，是下一个时代的游戏引擎。
如何工业化生产AI漫剧。
米哈游蔡浩宇的AI公司Anuttacon，首个视频模型正式曝光！Anuttacon技术团队成员@Ailing Zeng，在X上展示了全新视频角色表演生成模型——LPM 1.0。
近日，京东开源图像模型JoyAI-Image-Edit，将空间智能纳入图像理解与编辑，让AI开始处理真实世界中的空间关系，让模型真正“理解空间，编辑空间”。简单解释，这是一个以空间智能为核心的图像生成与编辑模型，让 AI 真正“看懂”三维空间，从而让生成更合理、编辑更精准。
恰好最近，我留意到常用的一个视频生成工具 Vidu，上线了 ViduClaw 「V 龙」——全球首个多模态创意营销 Claw。虽然此前已有不少 AI 厂商推出了自家的「Claw」，但作为视频模型厂商，而且做得这么完整的，Vidu 是我见到的业内头一个。
当人们谈到“世界模型”（World Models）时，很多人会首先想到近年来迅速发展的生成式视频模型。