· ai
[Paper] 使用 VideoScience-Bench 对视频生成的科学理解与推理进行基准测试
视频生成的下一个前沿是开发能够进行 zero-shot 推理的模型，其中对 real-world scientific laws 的理解至关重要，以实现……
-
- · ai
[论文] EGGS：可交换的 2D/3D Gaussian Splatting 用于几何‑外观平衡的新视角合成
新视角合成（NVS）在计算机视觉和图形学中至关重要，广泛应用于增强现实（AR）、虚拟现实（VR）和自动驾驶。虽然3D Gaussian Splatting（3D...）
-
- · ai
[Paper] 使用智能手表进行实时多模态数据采集及其在教育中的可视化
可穿戴传感器，例如 smartwatches，已在医疗、体育和教育等领域日益普及，实现了持续监测……
- · software
如何在 OCR 运行前修复倾斜的文档
封面图片：如何在 OCR 运行前修复被裁剪的文档 https://media2.dev.to/dynamic/image/width=1000,height=420,fit=cover,gravity=auto,format=auto/https...
- · ai
[Paper] EfficientFlow：高效等变流策略学习用于具身 AI
生成模型最近在视觉运动策略学习方面展现出显著的前景，使得在多样化的具身 AI 任务中实现灵活且富有表现力的控制。
- · ai
[Paper] 面向自驱实验室的以数据为中心的可视化开发
Self-driving laboratories 为减少生物科学中劳动密集、耗时且常常难以重复的工作流程提供了一条有前景的路径。
- · ai
[Paper] Visual Sync: 多摄像头同步 via 跨视角对象运动
今天，人们可以轻松记录难忘的时刻，范围包括音乐会、体育赛事、讲座、家庭聚会和生日派对等多种消费……
- · ai
[Paper] 生成视频中的物体比看起来更慢：模型遭受 Sub‑Earth Gravity 且不懂 Galileo’s Principle……暂时
Video generators 正在日益被评估为潜在的 world models，这要求它们对 physical laws 进行编码和理解。我们调查它们的…
- · ai
[Paper] 生成式视频运动编辑与 3D 点轨迹
相机和物体运动是视频叙事的核心。然而，精确编辑这些捕获的运动仍然是一个重大挑战，尤其是在...
- · ai
[Paper] TUNA：驯服统一视觉表征以用于原生统一多模态模型
统一多模态模型（UMMs）旨在在单一框架内共同执行多模态理解和生成。我们提出了 TUNA，一种原生的 UMM，...
- · ai
[Paper] 改进的 Mean Flows：关于 Fastforward 生成模型的挑战
MeanFlow（MF）最近被确立为一种一步生成建模的框架。然而，它的“fastforward”特性在…