相机运动误差降低40%！DualCamCtrl：给视频生成装上「深度相机」，让运镜更「听话」
相机运动误差降低40%！DualCamCtrl：给视频生成装上「深度相机」，让运镜更「听话」你的生成模型真的「懂几何」吗？还是只是在假装对齐相机轨迹？
来自主题: AI技术研报
10999 点击 2025-12-22 09:33
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
你的生成模型真的「懂几何」吗？还是只是在假装对齐相机轨迹？
现有视频生成模型往往难以兼顾「运镜」与「摄影美学」的精确控制。为此，华中科技大学、南洋理工大学、商汤科技和上海人工智能实验室团队推出了 CineCtrl。作为首个统一的视频摄影控制 V2V 框架，CineCtrl 通过解耦交叉注意力机制，摆脱了多控制信号共同控制的效果耦合问题，实现了对视频相机外参轨迹与摄影效果的独立、精细、协调控制。
可支持24帧/秒的长时流式生成。
李飞飞团队最新的空间智能模型Cambrian-S，首次被一个国产开源AI超越了。
近期，强化学习（RL）技术在提升语言模型的推理能力方面取得了显著成效。
近期，强化学习（RL）技术在提升语言模型的推理能力方面取得了显著成效。
在 Physical Intelligence 最新的成果 π0.6 论文里，他们介绍了 π0.6 迭代式强化学习的思路来源：
世界模型赛道，又有老面孔新鲜入局！ 就在刚刚，Runway发布旗下首个通用世界模型GWM-1。 不止于此，还打包发布了一系列世界模型变体：模拟真实环境的GWM Worlds；
昨天，苹果一篇新论文在 arXiv 上公开然后又匆匆撤稿。原因不明。论文中，苹果揭示了他们开发的一个基于 TPU 的可扩展 RL 框架 RLAX。是的，你没有看错，不是 GPU，也不是苹果自家的 M 系列芯片，而是谷歌的 TPU！还不止如此，这篇论文的研究中还用到了亚马逊的云和中国的 Qwen 模型。
主攻 AI 视频与多媒体生成技术的独角兽 Runway 也来了一波大的：一口气来了 5 个「激动人心的宣布」。这一波更新之猛，甚至让人觉得他们是不是把过去半年的大招一次性全放了出来。Runway 这一波发布，不仅刷新了视频生成的各项指标，更重要的是，他们正式对外展示了其在通用世界模型（General World Models/GWM）上的野心。