生成式

Unified Camera Positional Encoding for Controlled Video GenerationTransformer 已成为自动驾驶和具身智能中 3D 感知、视频生成和世界模型的通用骨干架构，其中理解相机几何对于将视觉观测锚定到三维空间至关重要。然而，现有的相机编码方法通常依赖简化的针孔假设，限制了其对真实相机多样化内参和镜头畸变的泛化能力。我们引入了相对光线编码，这是一种几何一致的表示方法，统一了完整的相机信息，包括 6-DoF 位姿、内参和镜头畸变。为了在不同可控性需求下评估其能力，我们采用相机控制的文生视频生成作为测试任务。在此设定中，我们进一步确定了俯仰角和滚转角作为绝对方向编码的两个有效

python神经网络编程入门（四十二）——GPT：自回归生成式预训练📍 路标：本篇位于《从零构建 Transformer》系列第 13/16 章 · 预训练篇（收官）。系列主线：注意力思想 → 自注意力 → 多头 → 位置编码 → 编解码架构 → 手撕实现 → 预训练模型 → 实战微调 → 知识收官。进度：▸ 基石篇(1-5) ▸ 架构篇(6-10) ▸ 预训练篇(11-13·本篇) ▸ 实战篇(14-16)

AI正在改变“真实”的含义：从《黑客帝国》、鲍德里亚到生成式人工智能1999年上映的《黑客帝国》留下了一个几乎已经进入大众文化本能的问题：如果一个人发现自己所生活的世界只是一套由机器制造的幻觉，他究竟应该吞下红色药丸，醒来看见残酷的真相，还是选择蓝色药丸，继续留在那个舒适却虚假的世界里？

扩散模型修复3DGS：评价新指标EIG分析这篇论文题为“FaithFusion: Harmonizing Reconstruction and Generation via Pixel-wise Information Gain”，由百度和南京大学的研究人员提出。该论文聚焦于可控驾驶场景重建与3D场景生成领域，旨在解决在保持几何保真度的同时，在大视角偏移下合成视觉真实外观的关键挑战。

VAE与扩散模型的reconstruction–generation dilemma论文: https://arxiv.org/abs/2603.05630代码: https://github.com/tongdaxu/Making-rFID-Predictive-of-Diffusion-gFID.git

【LLaDA】Large Language Diffusion Models这篇论文提出了LLaDA（Large Language Diffusion with mAsking），一种从预训练和监督微调（SFT）范式下从头开始训练的扩散模型。

扩散模型之（二十）Stable Diffusion的运作原理Stable Diffusion作为 Latent Diffusion的继承与发展，它的发布是这一发展历程中的一个重要里程碑，因为它将高性能模型带给了大众（性能体现在图像质量、速度以及相对较低的资源/内存需求等方面）。本文对Stable Diffusion的工作原理与发展过程技术演进进行对比。

扩散模型之（十六）像素空间生成模型隐空间扩散:如使用VAE把图像映射到隐空间,然后再进行扩散模型的训练与生成。以往的研究已经表明,

扩散模型之（十三）条件生成 Conditioned Generation在使用 ImageNet 等各类图像数据集进行具有条件信息的图像训练生成模型时，通常会根据类别标签或一段描述性文本生成条件样本。本文进一步展开介绍条件生成。

典型重建框架的整体结构与要点记录一种通用性，整体满足自动驾驶三维重建与新视角场景渲染的框架。

DIFIX3D+: Improving 3D Reconstructions with Single-Step Diffusion Models该论文介绍了DIFIX3D+，一种利用单步扩散模型来提升三维重建和新视角合成质量的全新管道。尽管Nerf（神经辐射场）和3D Gaussian Splatting（3DGS）等方法已经大大改善了三维重建，但在极端新视角的光线渲染上仍然存在挑战。DIFIX3D+通过整合2D生成模型的先验知识，旨在改善这种情况。核心方法论 DIFIX 与 DIFIX3D+ 的工作原理

GSFix3Dpaper来源GSFix3D: Diffusion-Guided Repair of Novel Views in Gaussian Splatting

世界模型的典型框架与分类人类和动物智能的一个重要方面是我们对世界的内部模型。我们使用这个模型来预测我们的行为将如何影响我们的环境，预测未来的事件，并计划复杂的行动序列以实现目标。当前大多数机器学习研究都集中在被动理解数据的模型上，例如图像分类器或字幕模型。然而，为了创建能够真正与环境互动而不仅仅是观测环境的人工智能系统，我们需要有效的世界模型来了解行为如何影响环境。

【大模型理论篇】关于生成式模型中联合分布概率学习必要性以及GPT是生成式模型的讨论之前我们在《生成式模型与判别式模型对比(涉及VAE、CRF的数学原理详述)》以及《生成式模型算法原理深入浅出（涉及Stable Diffusion、生成对抗网络、高斯混合模型、隐马尔可夫模型、朴素贝叶斯等算法原理分析及生成式模型解释）》中，我们对一些常见的算法做了分析。刚好最近和同事聊天，聊起生成式模型，这里做一些额外信息的补充。

灯下夜无眠

transformers生成式对话机器人生成式对话机器人是一种人工智能技术，它通过学习大量自然语言数据，模拟人类进行开放、连贯和创造性的对话。这种类型的对话系统并不局限于预定义的回答集，而是能够根据上下文动态生成新的回复内容。其核心组件和技术包括：

关于生成式人工智能模型应用的调研本系列博文为深度学习/计算机视觉论文笔记，转载请注明出处标题：A survey of Generative AI Applications

我是有底线的