跳到正文
10月22日周四
10月21日周三
  1. IT之家32

    英伟达 621.01 Game Ready 驱动发布:针对《影之刃零》《使命召唤:现代战争 4》等新游戏提供优化,支持微软 Advanced Shader Delivery 技术

    英伟达发布 GeForce Game Ready 驱动 621.01,为《影之刃零》《使命召唤:现代战争 4》等支持 DLSS 和 RTX 技术的新游戏提供优化。该版本修复《鸣潮》《星际公民》等多款游戏的崩溃问题,并解决 360Hz 显示器黑闪、FPS 下降等故障。

  2. HuggingFace Daily Papers65

    Joints, Camera, Action! 协同生成任意骨骼结构的3D运动与视频

    研究人员提出了一种新模型,能够直接协同生成任意骨骼结构的3D运动和视频,同时定位关节位置并恢复相机姿态。该模型通过分离运动模型与视频模型,使用交叉注意力层连接,支持从文本生成多样化骨骼动画,并能将视频转换为骨骼运动,实现关键帧控制。研究团队使用生成式视频编辑器创建了近20万训练对,评估显示该方法比视频优先管道更忠实于原始动作。

  3. arXiv · cs.RO65

    Joints, Camera, Action! 协同生成任意骨骼结构的3D运动与视频

    Noam Rotstein提出了一种新模型,能够协同生成任意骨骼结构的3D运动与视频,并自动定位相机位置将运动放置到3D场景中。该模型通过分离运动模型与视频模型,使用交叉注意力层连接,支持从文本生成多样化骨骼动画,并能将视频转换为骨骼运动,实现关键帧控制。研究团队使用生成式视频编辑器创建了近20万训练对,评估显示该方法比视频优先管道更忠实于文本描述,且运动能响应周围场景。

    推荐理由:通过分离运动模型与视频模型,实现了任意骨骼结构的3D运动与视频的协同生成,解决了现有方法仅支持人类骨骼或参数量过大的问题。

  4. HuggingFace Daily Papers65

    SolarRenderer: 少步生成式参考渲染

    研究人员提出SolarRenderer,一种结构条件视频渲染器,通过冻结MiniMax-H3 33B主干模型并使用两个轻量级LoRA适配器,实现了四步渲染,比50步采样快12.3倍。该模型在136K帧对齐语料上训练,可在16种结构表示上达到最先进结果,并能泛化到11种未见表示,包括姿态骨架、绘图和点云。

    推荐理由:四步渲染比传统方法快12.3倍,同时保持对11种新结构表示的泛化能力,为实时视频生成开辟新路径。

  5. IT之家35

    AMD 确认 FSR 超分辨率 4.1 未来将支持更多 APU

    AMD 计算与图形事业部总经理 Jack Huynh 确认 FSR 超分辨率 4.1 未来将支持更多 APU。目前仅锐龙 AI Max、锐龙 AI 9 及锐龙 Z2 系列掌机处理器支持该技术。锐龙 7000/8000 系列和锐龙 (AI) 300/400 系列中低端 APU 硬件性能足以支持,相关支持有望扩展至部分锐龙 6000 系列 APU。

  6. IT之家25

    AMD 肾上腺素 26.10.1 驱动发布:FSR 4.1 扩展支持 RX 6000 等显卡,新增三款游戏支持

    AMD 发布 Software: Adrenalin Edition 26.10.1 可选版驱动,新增支持 FSR Upscaling 4.1,适用于 RX 6000 系列显卡及 Ryzen AI Max 300/400 系列处理器,新增《使命召唤:现代战争 4》《星球大战:银河赛车手》《最终幻想:共鸣》三款游戏支持,修复部分性能问题。

10月20日周二
  1. The Verge · AI45

    Adobe Lightroom mobile 新增一键闭眼修复功能

    Adobe Lightroom mobile 新增一键闭眼修复功能,通过生成式 AI 自动检测并修复照片中人物的闭眼问题。该功能利用用户图库中同人物的其他照片作为参考,确保修复后的眼睛在颜色、大小和形状上匹配原图,免费版用户可试用两次后需订阅 Creative Cloud 计划。

  2. 量子位77

    Meshy推出Meshy Edit:基于全新自研AI模型,一句指令实现3D模型局部编辑

    Meshy发布局部编辑功能Meshy Edit,基于全新自研AI模型,用户圈选3D模型区域后用一句话描述改动,约一分钟生成新模型,未选中区域保持原样。该功能已向全部注册用户开放,每次编辑消耗20积分。

    推荐理由:圈选区域加一句话描述就能修改3D模型,把专业建模门槛降到分钟级,但精度与成本控制仍是关键。

  3. HuggingFace Daily Papers65

    Text-to-Image Generative Modeling Without Language Pretraining

    研究团队提出Halcyon模型,一种完全从头开始训练的早期融合多模态自回归模型,在GPIC数据集上预训练。Halcyon-0.52B和Halcyon-1.6B模型在文本到图像生成任务上分别以更少的预训练计算量超越了现有模型,实验表明文本预训练对T2I生成没有明显帮助。代码和模型已公开。

    推荐理由:Halcyon模型证明无需大规模语言预训练也能实现高质量文本到图像生成,挑战了当前主流技术范式。

  4. HuggingFace Daily Papers45

    InfiniDream: 通过程序化生成实现开放式的逼真 3D 世界

    InfiniDream 是一个 VLM 驱动的开放式程序化 3D 世界生成框架,通过符号约束资产生成和端到端文本到世界管道,支持创建新型逼真资产和大规模 3D 场景。在 100 个对象和 20 个场景生成任务中,该框架在四个感知指标上表现更优,并通过多样性分析和人类偏好评估验证有效性。

  5. HuggingFace Daily Papers55

    EgoXperience: 从人类经验学习基于世界中心的第一人称表示

    研究人员提出EgoXperience,一个全栈范式,通过数据收集、自动标注、统一建模和基准测试解决第一人称视频中人类活动重建的一致性问题。该研究包含EgoX-Engine自动标注引擎、EgoX-Data-6M数据集和EgoX模型,在单目第一人称视频输入下实现了相机、场景、手部和物体的联合度量重建,实验显示在场景估计和世界空间手-物体姿态恢复方面达到SOTA性能。

  6. HuggingFace Daily Papers40

    RLSplat: 资源线性预算控制的前馈 3D Gaussian Splatting

    RLSplat 提出资源线性预算控制的前馈 3D Gaussian Splatting 框架,其表示大小、推理延迟和峰值内存随高斯预算减少线性下降。零样本评估显示,RLSplat 在各预算下均优于现有方法,低预算时运行速度提升 4.1 倍,峰值内存减少 9.6 倍,且仅需 1/4 高斯数量即可超越最强基线。

10月19日周一