何恺明CVPR最新讲座PPT上线：走向端到端生成建模
何恺明在CVPR会议上分享了关于识别模型演进与生成模型未来方向的见解，他提出了一种名为MeanFlow的新方法用于实现单步生成任务，并介绍了多种研究方向和问题。
机器之心
单应计算加速数十倍、计算量减少95%！基于几何的SKS和ACA矩阵分解被提出
本文提出了一种基于几何变换的快速且可解释的2D单应矩阵分解方法（Similarity-Kernel-Similarity, SKS和Affine-Core-Affine, ACA）。该方法大幅减少了4点求解单应的时间，尤其适用于二维码扫描等应用。
27、42、73，DeepSeek这些大模型竟都喜欢这些数！为什么？
GPT-4o、Claude 等 AI 模型在猜测 1-100 数字时，选择了概率较低的数字 42 和 73。然而，在使用汉语时，多数模型选择了 27，这一现象引起了广泛讨论和研究。
数据减少超千倍，500 美金就可训练一流视频模型，港城、华为Pusa来了
FVDM & Pusa 提出了一种新的视频扩散模型 (FVDM)，通过引入向量化时间步变量 (VTV) 解决了传统视频生成的局限性。Pusa 项目利用非破坏性微调方法将预训练模型成本降低了数倍，展示了低成本、高灵活视频生成的新时代。
77万人围观的吉卜力风「游戏」视频，我们用3个国产AI整出来了（含提示词）
Reddit上爆火的吉卜力风游戏视频制作教程，国产AI即梦3.0 Pro、可灵2.1和Hailuo 02模型对比测试，展示了AI在游戏开发中的潜力。
10×加速！DCM显著提升视频扩散模型推理效率！HunyuanVideo13B推理时间从1500秒缩短至120秒！
本文提出了一种双专家一致性模型DCM来解决视频生成中的一致性蒸馏问题，通过解耦语义合成与细节精修，显著减少采样步数的同时保持了较高的视觉质量。
统一框架下的具身多模态推理：自变量机器人让AI放下海德格尔的锤子
文章讨论了自变量机器人如何通过统一模态架构，实现具身多模态推理能力。该架构消除视觉、语言和行动之间的人为边界，并采用生成模型进行跨模态学习，最终让机器人具备符号-空间推理、物理空间推理及自主探索与协作的能力，接近人类的直觉操作方式。
清华SageAttention3，FP4量化5倍加速！且首次支持8比特训练
清华大学陈键飞团队提出SageAttention3，实现了5倍于FlashAttention的推理加速。此模型在多种视频和图像生成等大模型上保持了端到端的精度表现，并首次提出了可训练的8比特注意力用于大模型的训练加速。