OmniShow：统一多模态条件生成人机交互视频
深度2026年4月15日30 分钟阅读
最有趣的发现是OmniShow通过创新架构解决了多模态条件控制与生成质量之间的权衡问题，实现了精确的视听同步。推荐计算机视觉、多模态生成和内容创作领域的研究者与工程师阅读本文。
本文编译自 OmniShow: Unifying Multimodal Conditions for Human-Object Interaction Video Generation，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Qwen3.6-35B-A3B 量化模型在 MacBook Pro 上生成的鹈鹕骑自行车 SVG，在自行车框架形状等细节上优于 Anthropic 新发布的 Claude Opus 4.7。作者指出，这个玩笑测试虽与模型通用能力不完全相关，但反映了当前模型比较的荒诞性。
深度Simon Willison·4月16日·3 分钟
本文提出BERT-as-a-Judge方法，通过轻量级训练实现生成式输出的语义评估。该方法在36个模型和15个任务上验证，性能优于传统词法方法且接近大型LLM评判者。这为语言模型评估提供了可靠且可扩展的解决方案。
深度·4月16日·14 分钟