标签
Multics 提出一种具有层级通信机制的多玩家视频生成世界模型，在玩家、组和全局层面结构化信息交换，以 SOTA 性能实现 4-6 玩家设置下的跨玩家一致性，并能零重训泛化到 10 玩家推理。
SCoPE 是 TencentARC 提出的一个模型，它将相机视线作为位置坐标添加到预训练的视频扩散 Transformer 中，从而能够在保持图像到视频先验的同时实现相机轨迹控制。该发布包含一个用于 Wan2.2-I2V-A14B 推理的自包含检查点。
Pixal3D提出了一种像素对齐的3D生成方法，通过反向投影条件化建立直接的像素到3D对应关系，从而提高保真度，解决了规范空间生成中的问题。