AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:文本驱动×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月2日
09:40
09:40arXiv cs.AI@Gyojin Han, Junmo Kim
本文提出一种新架构用于文本驱动的3D人体动作编辑,核心创新在于不仅关注编辑发生的时间点,还识别哪些关节需要修改。架构包含两个轴锚定Transformer,分别提取关节和时间维度的特征,并通过跨轴融合块整合。辅助任务让关节锚定Transformer回归源与目标关节旋转的Soft-DTW距离,学习哪些关节应修改或保留。在MotionFix数据集上达到最先进效果,显著提升语义对齐和动作保真度。
论文3D人体动作编辑文本驱动Transformer关节预测MotionFix

推荐理由:做3D动作生成或编辑的研究者可以关注,它解决了现有模型只关注时间编辑而忽略关节级修改的问题,直接提升编辑精度和语义一致性。
原文
5月15日
10:53
10:53arXiv cs.AI@Kaixin Zhu, Yiwen Tang, Yifan Yang, Renrui Zhang, Bohan Zeng, Ziyu Guo, Ruichuan An, Zhou Liu, Qizhi Chen, Delin Qu, Jaehong Yoon, Wentao Zhang
精选
VGGT-Edit 是一种前馈式框架,用于文本驱动的原生3D场景编辑,解决了现有2D提升方法导致的纹理模糊和几何不一致问题。它通过深度同步文本注入对齐语义与空间姿态,并利用残差变换头直接预测3D几何位移,实现场景变形同时保持背景稳定。研究团队还构建了 DeltaScene 数据集,通过自动管道和3D一致性过滤确保高质量真值。实验表明,VGGT-Edit 在物体细节锐度、多视角一致性和推理速度上显著优于2D提升基线,支持近即时推理。
论文3D场景编辑前馈式架构残差场预测文本驱动多视角一致性

推荐理由:做3D场景编辑或交互式应用的开发者,VGGT-Edit 直接预测3D位移而非逐帧2D编辑,解决了多视角不一致的痛点,值得一试。
原文
精选全部日报登录