arXiv ID:
2508.19205
VibeVoice技术报告 / VibeVoice Technical Report
1️⃣ 一句话总结
这篇论文提出了VibeVoice模型,它通过一种创新的连续语音分词器和扩散技术,能够高效合成长达90分钟、最多包含4位说话人的多角色长语音,并真实还原对话氛围,性能优于现有开源和商业模型。
VibeVoice技术报告 / VibeVoice Technical Report
这篇论文提出了VibeVoice模型,它通过一种创新的连续语音分词器和扩散技术,能够高效合成长达90分钟、最多包含4位说话人的多角色长语音,并真实还原对话氛围,性能优于现有开源和商业模型。
FastMesh:通过组件解耦实现高效艺术化网格生成 / FastMesh: Efficient Artistic Mesh Generation via Component Decoupling
这篇论文提出了一种将顶点和面分离生成的新方法,通过减少重复顶点表达使网格生成速度提升8倍以上,同时生成质量更高。
不遗漏任何标签:适用于所有监督模式的统一表面缺陷检测模型 / No Label Left Behind: A Unified Surface Defect Detection Model for all Supervision Regimes
这篇论文提出了一个名为SuperSimpleNet的高效通用模型,它通过创新的合成异常生成和优化学习流程,首次实现了在无监督、弱监督、混合监督和全监督四种场景下都能高效训练和检测表面缺陷,并在保持高速推理的同时显著提升了检测性能。
USO:通过解耦与奖励学习实现统一风格与主体驱动的生成 / USO: Unified Style and Subject-Driven Generation via Disentangled and Reward Learning
这项研究提出了一个名为USO的统一模型,能够同时保证生成图像在风格上与参考风格图相似、在主体内容上与原始内容图一致,解决了以往方法中风格与主体生成任务相互割裂的问题。
ThinkDial:一种控制大语言模型推理计算量的开放方案 / ThinkDial: An Open Recipe for Controlling Reasoning Effort in Large Language Models
这篇论文提出了一个名为ThinkDial的开放框架,能让大语言模型像切换档位一样在三种推理模式间自由切换,从而在保持性能的同时显著降低计算成本。
UltraMemV2:扩展到1200亿参数并具备卓越长上下文学习能力的内存网络 / UltraMemV2: Memory Networks Scaling to 120B Parameters with Superior Long-Context Learning
这项研究提出了名为UltraMemV2的新型内存网络架构,通过五项关键技术改进,在保持低内存访问成本的同时,首次实现了与顶尖8专家混合模型相当的性能,并在长文本记忆等任务上表现更优。
从矢量图到CAD:基于序列到序列学习的CAD生成 / Drawing2CAD: Sequence-to-Sequence Learning for CAD Generation from Vector Drawings
这篇论文提出了一种名为Drawing2CAD的新方法,能够将二维工程矢量图自动转换为精确的参数化CAD模型,通过序列到序列学习技术保留了原始设计意图和几何精度。
混合专家语言模型在推理任务中的最优稀疏性 / Optimal Sparsity of Mixture-of-Experts Language Models for Reasoning Tasks
这项研究发现,混合专家模型在推理任务中的性能不仅取决于训练损失,更关键的是激活计算量和每个参数处理的数据量,推理能力需要大量数据支持,而记忆任务则受益于更多参数。
ROSE:消除视频中物体的附带效应 / ROSE: Remove Objects with Side Effects in Videos
这篇论文提出了一个名为ROSE的视频对象移除框架,它不仅能够去除物体本身,还能有效消除物体在环境中产生的阴影、反光等五种常见附带效应,通过合成数据和专门设计的模型在多种场景下实现了优于现有方法的性能。
ObjFiller-3D:通过视频扩散模型实现一致的多视角三维修复 / ObjFiller-3D: Consistent Multi-view 3D Inpainting via Video Diffusion Models
这篇论文提出了一种名为ObjFiller-3D的新方法,它通过巧妙利用先进的视频编辑模型来修复三维物体,解决了传统方法中多视角修复不一致的问题,从而实现了更高质量、更连贯的三维物体补全与编辑。
请先 登录 后再提交论文