节目简介
来源：小宇宙
⏱️ Highlights
[00:29] 🤖 PDRVLA: A Vision-Language-Action Model with Physical Dynamics Representations（PDRVLA：具有物理动力学表征的视觉–语言–动作模型）
[01:58] 🎥 OmniShowcase: Omnidirectional Subject-Consistent Video Generation from Multi-View Images（OmniShowcase：基于多视图图像的全方位主体一致视频生成）
[03:27] 🎙️ Efficient Streaming Audio-Visual Target Speaker Extraction for Real-World Acoustic Scenes（面向真实世界声学场景的高效流式音视目标说话人提取）
[05:02] 👁️ Look Only When Needed: Certificate-Guided Visual Routing for Efficient Diffusion VLMs（只在需要时看图：以凭据引导视觉路由的高效扩散视觉语言模型）
[06:39] 🌍 Hy-Nomas: Towards Free-form Interactive World Generation（Hy-Nomas：迈向自由形式的交互式世界生成）
[播客论文目录配图]
【关注我们】
您还可以在以下平台找到我们，获得播客内容以外更多信息
小红书: AI速递
[00:29] 🤖 PDRVLA: A Vision-Language-Action Model with Physical Dynamics Representations（PDRVLA：具有物理动力学表征的视觉–语言–动作模型）
[01:58] 🎥 OmniShowcase: Omnidirectional Subject-Consistent Video Generation from Multi-View Images（OmniShowcase：基于多视图图像的全方位主体一致视频生成）
[03:27] 🎙️ Efficient Streaming Audio-Visual Target Speaker Extraction for Real-World Acoustic Scenes（面向真实世界声学场景的高效流式音视目标说话人提取）
[05:02] 👁️ Look Only When Needed: Certificate-Guided Visual Routing for Efficient Diffusion VLMs（只在需要时看图：以凭据引导视觉路由的高效扩散视觉语言模型）
[06:39] 🌍 Hy-Nomas: Towards Free-form Interactive World Generation（Hy-Nomas：迈向自由形式的交互式世界生成）
[播客论文目录配图]
【关注我们】
您还可以在以下平台找到我们，获得播客内容以外更多信息
小红书: AI速递