前Google DeepMind的科学家在Artificial Agency揭示了一种用于视频游戏中动态NPC的AI行为引擎。他们已经筹集到了1600万美元，以提高游戏中的交互性。他们正在与知名的AAA工作室合作，并期待到2025年能够得到广泛的采...

Flow Studio以其出色的技术实力，推出了全新的视频生成产品。这款产品能够生成完全制作完成、质量堪比电影的3分钟长视频。它以引人入胜的剧情、连贯的角色设定，以及自动匹配的背景音乐和音效，为用户提供了极致的视...

推理视频对象分割（ReasonVOS）是一项新的任务，它使用隐式文本查询生成分割掩码。这需要复杂的推理和世界知识。在这个工作中，我们提出一个新的任务：基于世界知识的视频对象分割。这项任务的主要挑战在于，它需要...

近日，一种名为OVFormer的新方法在开放词汇视频实例分割（VIS）领域引起了广泛关注。该方法解决了该领域的关键问题，改善了嵌入对齐，并利用基于视频的训练来提高时间一致性。OVFormer的核心优势在于它的开放性词汇...

Video Self-Training with augmented Reasoning (Video-STaR)是一种新的方法，用于改进大型视觉语言模型（LVLMs）。通过自我训练和增强推理，Video-STaR能够提高模型的学习能力和预测准确性。这种方法的主要优势在于...

科研人员已经开发出一种新的方法，可以从休闲的，以对象为中心的视频中，无需人类监督就可以估计出类别级的3D姿态。这种新方法的开发，无疑为3D姿态估计领域带来了新的突破。在无人监督的情况下，能够从视频中准确估...

在最近的CVPR（计算机视觉和模式识别会议）上，一场名为《解析器的寓言》的主题演讲引发了广泛的关注和热议。这份由28页PDF幻灯片构成的演讲，深入浅出地解释了解析器的重要性和它在现代科技领域中的应用。解析器是...

无监督SAM（UnSAM）是一种新型的全图像分割模型，它消除了对人工注释的需求。UnSAM通过结合自上而下和自下而上的聚类方法，识别视觉场景中的层次结构，采用一种分而治之的方法。在复杂的视觉场景中，这种方法可以更...