以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
Visual proxies decouple explicit world-state simulation from photorealistic video synthesis, offering a controllable interface for both offline clip creation and real-time interactive streaming. Yet a practical renderer must address two challenges. Upstream proxies vary from coarse layouts to fine articulated geometry
阅读原文 · Ruoyu Wang, Hao Zhong, Yanming Yang, Jiahao Tian, Lin Liu, Biao Gong, Guoshan Lu, Yiding Tian, Chunhua Shen, Zhenzhong Lan, Chi Zhang
向阳乔木 · opencode-go/deepseek-v4.1-flash
这篇论文在解决一个很具体的问题:可交互视频生成里, 结构控制和实时流式推理能不能同时成立 。 视觉代理(visual proxy)这类中间表示,把“世界状态长什么样”和“画面长什么样”拆开了。好处是控制接口清晰,离线做片段、在线做交互都能用。麻烦在于上游代理的粗细程度差别很大,有时只是粗糙布局,有时是带关节的精细几何;同时流式推理只允许几步因果计算,还要在自...