腾讯研究院AI速递 20250110

正文

请到「今天看啥」查看全文

2. 使用Project Aria和Quest 3设备采集, 提供RGB/单色图像流、3D点云和眼动追踪等多模态数据;

3. 数据集支持3D手姿态跟踪、物体姿态估计等任务, 多视角方法显著优于单视角。

https://mp.weixin.qq.com/s/isV_y_XbfBavzPt7FGwKqw

四、  智元机器人推出全球首个4D世界模型EnerVerse，为具身定制

1. 智元机器人提出EnerVerse架构，通过自回归扩散模型生成4D空间并指导机器人完成任务;

2. 引入稀疏记忆机制和自由锚定视角，解决长程生成与多视角问题;

3. 模型在LIBERO基准测试中实现SOTA，长程任务规划与动作生成表现优异。

https://mp.weixin.qq.com/s/B6MfkL_SxZ5BrR--PYqYiQ

五、  通义万相视频生成模型 2.1 版升级，复杂运动与物理规律提升

1. 通义万相2.1刷新VBench榜单，新增中英文字幕生成、电影级运镜、复杂运动等功能;

2. 采用Flow Matching和创新VAE架构，实现高效视频编解码和百万超长序列训练;

3. 引入自动化数据构建和评估管线，涵盖美学评分等20多个维度指标。

请到「今天看啥」查看全文