人大系多模态模型迈向AGI:首次实现自主更新,写真视频生成力压Sora
作者:CalmWind
时间:2025-01-26
浏览:7
在4月27日召开的中关村论坛通用人工智能平行论坛上,人大系初创公司智子引擎隆重发布全新的多模态大模型Awaker1.0,向AGI迈出至关重要的一步。相对于智子引擎前代的ChatImg序列模型,Awaker1.0采用全新的MOE架构并具备自主更新能力,是业界首个实现“真正”自主更新的多模态大模型。在视觉生成方面,Awaker1.0采用完全自研的视频生成底座VDT,在写真视频生成上取得好于Sora的效果,打破大模型“最后一公里”落地难的困境。Awaker1.0是
本文目录










将 Transformer 技术应用于基于扩散的视频生成,展现了 Transformer 在视频生成领域的巨大潜力。VDT 的优势在于其出色的时间依赖性捕获能力,能够生成时间上连贯的视频帧,包括模拟三维对象随时间的物理动态。 提出统一的时空掩码建模机制,使 VDT 能够处理多种视频生成任务,实现了该技术的广泛应用。VDT 灵活的条件信息处理方式,如简单的 token 空间拼接,有效地统一了不同长度和模态的信息。同时,通过与时空掩码建模机制结合,VDT 成为了一个通用的视频扩散工具,在不修改模型结构的情况下可以应用于无条件生成、视频后续帧预测、插帧、图生视频、视频画面补全等多种视频生成任务。


作者最新文章
PS反选快捷键有哪些技巧
2026-10-29 08:45
xshell怎么快速删除文本 命令行清除技巧
2026-10-21 18:09
Luminar Neo人像修图指南:如何点亮眼神与适度放大双眼
2026-10-21 11:00
怎么隐藏Windows10任务栏上的输入法图标
2026-10-16 18:00
漫蛙网页版免费入口分享
2026-10-13 13:19
上一篇:
几何画板使用标记工具的详细操作
热门文章
更多
精品专题
更多
Mac软件
更多
WINDOWS
更多

































