OmniAudio：它能够直接从360°视频生成空间音频，为虚拟现实和沉浸式娱乐带来了全新的可能性。 空间音频 … Continue reading “ICML25 | 让耳朵「看见」方向！仅依靠360°全景视频，就能生成3D空间音频”
除了显而易见的清晰度的提升——最高可达4K分辨率，它能够忠实地遵循简单和复杂的指令Prompt，并令人信服地模 … Continue reading “谷歌版Sora升级4K高清！一句话控制镜头运动，跑分叫板可灵海螺”
它把视频生成转换为一个序列预测任务，可以对物理世界的变化和运动规律进行充分地学习。 建立会做视频的世界模型，也 … Continue reading “从20亿数据中学习物理世界，基于Transformer的通用世界模型成功挑战视频生成”