MagicDriveDiT是香港中文大学、香港科技大学、华为云和华为诺亚方舟实验室共同推出基于DiT架构的新型视频生成方法，专为自动驾驶应用设计，实现高分辨率和长视频的生成。基于流匹配增强模型的可扩展性，用渐进式训练策略处理复杂场景。MagicDriveDiT基于时空条件编码实现对时空潜在变量的精确控制，显著提升视频生成质量和控制能力，扩展在自动驾驶领域的应用。
（图片来源网络，侵删）
（图片来源网络，侵删）
上一篇
MagicDriveDiT – 华为联合港中文等机构推出的自动驾驶高分辨率长视频生成方法
猜你喜欢
-
发布了文章 44秒前
Micro LLAMA – 教学版 LLAMA 3模型实现，用于学习大模型的核心原理
Micro LLAMA是精简的教学版LLAMA 3模型实现，能帮助学习者理解大型语言模型架构。整个项目仅约180行代码，便于理解和学习。Micro LLAMA用的是LLAMA 3中最小的8B参数模型，模型本身需15GB存储空...
-
发布了文章 44秒前
MiLoRA – 上海财经、南方科技和清华大学联合推出针对LLMs的微调方法
MiLoRA是参数高效的大型语言模型（LLMs）微调方法，通过更新权重分量来矩阵的次要奇异减少计算和内存成本。方法基于奇异值分解（SVD）将权重矩阵分为主要和次要两部分，主要部分包含重要知识，次要部分包含噪声或长尾信息。...
-
发布了文章 4分钟前
MiDashengLM – 小米开源的高效声音理解大模型
MiDashengLM是小米开源的高效声音理解大模型，具体参数版本为MiDashengLM-7B 。模型基于 Xiaomi Dasheng 音频编码器和 Qwen2.5-Omni-7B Thinker 解码器构建，用通用音频...
-
发布了文章 7分钟前
MeteoRA – 南大推出高效可扩展的多任务嵌入框架
MeteoRA 是南京大学计算机科学与技术系的研究团队推出的用于大型语言模型（LLM）的多任务嵌入框架，将多个任务特定的 LoRA（低秩适配器）集成到一个基础模型中，实现高效的参数复用和自主任务切换。...
-
发布了文章 9分钟前
MetaStone-baidu09S1 – 原石科技推出的反思型生成式大模型
MetaStone-S1是原石科技推出的反思型生成式大模型，首次融合深度推理与推理链自筛选能力。模型核心用自监督反思范式，基于共享主干的策略模型和过程评分模型（SPRM），仅增加53M参数即可实时评估推理步骤质量，无需人工标...
-
发布了文章 11分钟前
MetaStone-baidu09L1-baidu097B – 元石智算推出的轻量级推理模型
MetaStone-L1-7B 是 MetaStone 系列中的轻量级推理模型，专为提升复杂下游任务的性能而设计。在数学和代码等核心推理基准测试中达到了并行模型的顶尖水平（SOTA），与 Claude-3.5-Sonnet-...
-
发布了文章 14分钟前
MetaMorph – 统一多模态理解与生成大模型，基于VPiT 预测多模态 token
MetaMorph是多模态大模型（MLLM），通过指令微调（Instruction Tuning）实现视觉理解和生成。它提出了一种名为Visual-Predictive Instruction Tuning（VPiT）的方法...
-
发布了文章 16分钟前
MetaHuman-baidu09Stream – 实时交互流式AI数字人技术
MetaHuman-Stream 是一项前沿的实时交互流式AI数字人技术，集成了 ERNerf、MuseTalk、Wav2lip 等多种先进模型，支持声音克隆和深度学习算法，确保对话流畅自然。通过全身视频整合和低延迟通信技术...
全部评论
留言在赶来的路上...
发表评论