技术栈
论文精读
CV-deeplearning
2 小时前
gpt
·
大模型
·
transformer
·
李沐
·
论文精读
·
ai学习路线
李沐论文精读合集：67 篇深度学习经典论文逐段精读，从 AlexNet 到 Sora，B 站播放百万级的 AI 自学圣经
💡 学深度学习读不懂论文？跟着李沐逐段精读！从 AlexNet 到 Sora，从 Transformer 到 GPT-4，67 篇经典论文逐段拆解，每篇 40-90 分钟深度讲解，B 站百万播放量的论文精读项目。涵盖 CNN 架构演进、Transformer 全家桶、生成模型、分布式训练、大语言模型、多模态等 8 大方向，配套《研究的艺术》4 讲教你做科研。全网最系统的 AI 论文学习路线，没有之一。
Pushkin.
2 个月前
ai
·
论文笔记
·
论文精读
OpenAI Computer Use Agent (CUA) & Wordle 评估
论文标题: AGI Is Coming… Right After AI Learns to Play Wordle 评估对象: OpenAI Computer-User Agent (CUA) 作者: Sarath Shekkizhar, Romain Cosentino 原文链接: arXiv:2504.15434 CUA 官方发布: OpenAI 计算机使用智能体 系统卡: Operator System Card 发布时间: 2025年4月
m0_65010824
7 个月前
论文精读
·
参数高效微调
·
潜在扩散模型
·
文本驱动视频生成与编辑
·
时空适配器
【论文精读】SimDA：用于高效视频生成的简单扩散适配器
标题：SimDA: Simple Diffusion Adapter for Efficient Video Generation
m0_65010824
7 个月前
视频生成
·
论文精读
·
时空扩散模型
·
时空 u-net
·
multidiffusion
·
条件生成
【论文精读】Lumiere：重塑视频生成的时空扩散模型
标题：Lumiere: A Space-Time Diffusion Model for Video Generation
m0_65010824
7 个月前
人工智能
·
论文精读
·
视频扩散模型
·
高效生成
·
内容 - 运动分解
·
latent 空间
【论文精读】CMD：迈向高效视频生成的新范式
标题：EFFICIENT VIDEO DIFFUSION MODELS VIA CONTENT-FRAME MOTION-LATENT DECOMPOSITION
m0_65010824
7 个月前
人工智能
·
论文精读
·
视频扩散模型
·
单图 3d 生成
【论文精读】SV3D：基于视频扩散模型的单图多视角合成与3D生成
论文标题：SV3D: Novel Multi-view Synthesis and 3D Generation from a Single Image using Latent Video Diffusion 作者：Vikram Voleti, Chun-Han Yao, Mark Boss 等
m0_65010824
7 个月前
论文精读
·
文本引导视频预测
·
适配性
·
帧一致性
·
tvp
【论文精读】AID：打通 Image2Video 与文本引导视频预测的关键技术
标题：AID: Adapting Image2Video Diffusion Models for Instruction-guided Video Prediction
m0_65010824
7 个月前
人工智能
·
扩散模型
·
论文精读
·
视频修复
·
时序一致性
·
任意时长
·
结构引导
【论文精读】AVID：基于扩散模型的任意长度视频修复
标题：AVID: Any-Length Video Inpainting with Diffusion Model
m0_65010824
7 个月前
aigc
·
论文精读
·
视频运动编辑
·
潜在扩散模型（ldm）
·
注意力注入
·
时空一致性
【论文精读】MotionEditor：基于内容感知扩散模型的视频运动编辑
标题：MotionEditor: Editing Video Motion via Content-Aware Diffusion
m0_65010824
7 个月前
人工智能
·
论文精读
·
评估指标
·
文本到视频生成
·
t2vscore
·
tvge数据集
·
视频质量评估
【论文精读】迈向更好的指标：从T2VScore看文本到视频生成的新评测范式
标题：Towards A Better Metric for Text-to-Video Generation
m0_65010824
7 个月前
扩散模型
·
论文精读
·
定制化视频生成
·
主体学习与动作学习
·
轻量级适配器
·
文本引导生成
·
阿里千问实验室
【论文精读】DreamVideo：定制化主体与动作的视频生成技术
标题：DreamVideo: Composing Your Dream Videos with Customized Subject and Motion
m0_65010824
7 个月前
aigc
·
扩散模型
·
论文精读
·
音频到视频生成
·
会说话的头部
·
弱条件
【论文精读】EMO：弱条件下基于 Audio2Video 扩散模型的表情肖像视频生成
标题：EMO: Emote Portrait Alive - Generating Expressive Portrait Videos with Audio2Video Diffusion Model under Weak Conditions
m0_65010824
7 个月前
论文精读
·
视频扩散模型
·
视频生成与识别任务联合优化
·
时空表征
·
随机帧条件
【论文精读】GenRec：基于扩散模型统一视频生成与识别任务
标题：GenRec: Unifying Video Generation and Recognition with Diffusion Models
m0_65010824
7 个月前
aigc
·
扩散模型
·
论文精读
·
分治策略
·
文本到视频生成
【论文精读】MicroCinema：基于分治策略的文本到视频生成新框架
标题：MicroCinema: A Divide-and-Conquer Approach for Text-to-Video Generation
m0_65010824
7 个月前
aigc
·
扩散模型
·
论文精读
·
时空transformer
·
文本到视频生成
·
视频生成效率优化
【论文精读】Snap Video：面向文本到视频生成的规模化时空 Transformer
标题：Snap Video: Scaled Spatiotemporal Transformers for Text-to-Video Synthesis
m0_65010824
7 个月前
计算机视觉
·
扩散模型
·
零样本学习
·
论文精读
·
文本条件图像到视频生成
【论文精读】TI2V-Zero：零样本图像引导的文本到视频生成技术
标题：TI2V-Zero: Zero-Shot Image Conditioning for Text-to-Video Diffusion Models
m0_65010824
7 个月前
计算机视觉
·
图像生成
·
视频生成
·
dim
·
论文精读
·
双向状态空间模型
·
高效生成模型
【论文精读】Diffusion Mamba：基于双向 SSM 的高效图像与视频生成架构
标题：Scaling Diffusion Mamba with Bidirectional SSMs for Efficient Image and Video Generation
m0_65010824
7 个月前
论文精读
·
文本到视频生成（t2v）
·
视频生成模型评估基准
·
细粒度评估
·
人类感知对齐
·
时间一致性
·
语义一致性
【论文精读】VBench：视频生成模型的全方位评估基准套件
标题：VBench: Comprehensive Benchmark Suite for Video Generative Models
m0_65010824
7 个月前
注意力机制
·
论文精读
·
mamba架构
·
视频生产
·
潜扩散模型
·
时空建模
【论文精读】Matten：融合 Mamba 与 Attention 的视频生成新范式
标题：Matten: Video Generation with Mamba-Attention作者：Yu Gao, Jiancheng Huang, Xiaopeng Sun, Zequn Jie, Yujie Zhong, Lin Ma（Zequn Jie 为通讯作者）
m0_65010824
7 个月前
人工智能
·
论文精读
·
transformer扩散模型
·
文生图（t2i）
·
文生视频（t2v）
【论文精读】GenTron：基于 Transformer 的扩散模型革新图像与视频生成
标题：GenTron: Diffusion Transformers for Image and Video Generation