从短片到实时流:面向视频换脸的身份感知监督与高效上下文生成
StreamingSwap 是一种由参考图像引导的视频换脸框架。它结合身份损失、面部区域生成和短上下文训练,在迁移人物身份的同时保留其他画面内容与动作。研究团队还推出 HumanFaceVid,其中包含 1,000 小时电影素材训练数据,以及各含 200 部短视频和长视频的评测集。实验显示,该方法在单张 NVIDIA RTX 4090 上达到每秒 20 帧,并能稳定生成最长 10 分钟的视频。
AI 新闻中心 过去24小时分析了 190 篇文章,发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
StreamingSwap 是一种由参考图像引导的视频换脸框架。它结合身份损失、面部区域生成和短上下文训练,在迁移人物身份的同时保留其他画面内容与动作。研究团队还推出 HumanFaceVid,其中包含 1,000 小时电影素材训练数据,以及各含 200 部短视频和长视频的评测集。实验显示,该方法在单张 NVIDIA RTX 4090 上达到每秒 20 帧,并能稳定生成最长 10 分钟的视频。
该研究提出 SWIFT,这是一种利用冻结的弱去噪器来改进更强扩散模型的训练方法。它将干净回归目标沿远离弱模型预测的方向外推,以增强尚未充分学习的成分。辅助模型在主模型训练期间无需反向传播,训练后即可弃用,因此不会增加推理开销。在 CIFAR-10 和 ImageNet-256 上的实验显示,该方法在不同模型规模和表征下均有提升。在一项 ImageNet-256 配置中,SWIFT 以约一半的总训练
微软计划从 2026 年 11 月中旬起,调整 Windows 11 文件资源管理器中的 OneDrive 右键菜单。摘要文件、回答问题和提取文本等多项 Copilot 操作将统一收纳到“Ask Copilot”入口下。这些功能仍可使用,用户也可以通过鼠标悬停在项目上时出现的 Copilot 按钮,或 OneDrive 活动中心访问。此举旨在减少重复菜单选项,并统一 AI 功能的访问方式。
《麻省理工科技评论》采访了 Goodfire 研究员尼克·卡马拉塔,讨论他那篇引发广泛关注的博客文章。文章认为,大语言模型可能比人们此前以为的更容易理解。卡马拉塔对神经网络的可解释性持乐观态度,但其他研究人员对其部分论点提出质疑。报道呈现的是人工智能研究中的一场持续争论,并非已经证实的重大突破。
花旗澳大利亚和新西兰市场部负责人克里斯蒂娜·张讨论了人工智能投资趋势、私人信贷领域的投资机会以及该地区的金融市场。她在悉尼举行的花旗澳大利亚和新西兰投资会议期间接受了海蒂·斯特劳德-沃茨的采访。
PhysSkin++是一种融入物理信息的框架,可从静态几何形状中学习连续的神经蒙皮场,并构建紧凑的变形子空间。其自编码器无需为每个对象单独训练网络,即可预测依赖形状的子空间。该自监督方法不需要模拟轨迹,并结合物理约束与正交性约束。所得表示支持带有用户控制和接触交互的高效降阶模拟,也可将动画直接绑定到网格、点云和3D高斯表示。实验展示了该方法对不同形状的泛化能力及实时模拟效果。
GUI 智能体会持续处理屏幕截图、音频、视频、交互历史和设备状态。由于信息的相关性随每一步操作而变化,若对所有输入一视同仁,智能体可能受到干扰,并逐渐偏离正确的操作轨迹。研究提出轻量级适配器 FocusGUI,根据当前决策动态筛选多模态信号,并将压缩后的关键信息注入冻结解码器的嵌入表示。该方法仅使用动作监督训练,无需模态相关性标签,也无需微调基础模型。在四种多模态基础模型上的测试中,与冻结模型相比
MMEnterprise-Bench是一套包含1,613个问题的基准测试,问题基于模拟协作项目中不断更新的多模态工作记录。它评估证据推理、冲突解决,以及识别现有证据不足以支持答案的能力。研究人员测试了10个专有和开源多模态大语言模型,发现即使是性能最强的模型,在处理跨来源或时间上的冲突,以及分布在多张图片中的证据时仍然表现不佳。增加检索预算通常能提高证据召回率,但并不能稳定提升回答准确率。代码和数
SolarRenderer是一种以结构为条件的视频渲染器,通过两个轻量级LoRA适配冻结的MiniMax-H3 33B主干模型。研究团队称,该系统以结构视频作为参考,只需四步即可完成渲染,速度比50步采样快12.3倍。其区块因果变体支持流式处理,据称能够实时生成768p视频。团队构建了包含13.6万段视频、按帧对齐的训练语料。在评测中,系统取得较好结果,并能泛化到11种未见过的结构表示,包括姿态骨
报告介绍了 Sage-A1.5,这是一款基于 A1 构建、拥有 350 亿参数的 Mixture-of-Experts 智能体模型。它旨在处理长期任务、组织工作,并在执行过程中调整方法。报告所述的改进包括将任务委派给并行工作的子智能体、检查进度和证据,以及在搜索方向无效时调整策略。模型还旨在支持探索性科学研究,并生成可供检查的研究成果。报告通过复杂的智能体任务和跨学科科学应用展示这些能力,但描述中
双十一期间,雷神猎刃 S 游戏本最高优惠 1500 元。该机搭载英特尔酷睿 i9-13900HX、NVIDIA GeForce RTX 5060 Laptop GPU,以及 16 英寸 2.5K、240Hz 屏幕。厂商标称显卡功耗最高 115W,并宣传其适用于游戏以及 GPU 加速的创作和 AI 工作。其他配置包括 16GB DDR5 内存、1TB 固态硬盘,并支持扩展升级。文章主要为促销与产品介
Elice集团首席执行官金宰元表示,公司将不受上市初期市场波动影响,目标是实现营收逐年翻倍。公司计划通过出口边缘数据中心硬件,以及争取主权人工智能相关合同来推动增长。彭博社报道了这一消息。
中国媒体曝光,部分二手交易平台存在销售豆包、DeepSeek、Kimi 等 AI 服务低价“破解版”或共享权益的灰色生意。卖家提供所谓破解教程、限时账号出租和 API 密钥。记者购买教程测试后,并未获得承诺的会员权益。豆包表示,订阅服务只通过官方渠道提供,不存在破解或无限使用方式。Kimi 称,账号出租并非官方服务,且违反用户协议。专家提醒,共享账号可能让出租方看到用户的对话和个人信息;来源不明的
AMD 高管 Jack Huynh 确认,FSR 超分辨率 4.1 未来预计将支持更多 APU。目前支持范围仅包括 Ryzen AI Max、Ryzen AI 9,以及部分掌机使用的 Ryzen Z2 处理器。大量 Ryzen 7000、8000 APU 和 Ryzen AI 300、400 系列的低端型号尚未列入支持名单。报道指出,已获支持的处理器中有型号仅配备 8 个 RDNA 2 计算单元,
戴尔 CEO 迈克尔·戴尔表示,随着 AI 数据中心大量消耗 DRAM 和高带宽内存(HBM),内存短缺远未结束,明年还可能加剧。戴尔目前约有 950 亿美元的 AI 服务器订单尚未交付;他称,限制交付的是内存供应,而非需求。新建内存工厂大约需要四年,因此显著增加产能可能要等到 2029 年或 2030 年。美光和 SK 海力士的高管也预计,供应紧张将持续至本世纪末。内存涨价已影响 PC 市场,短