UniVidX：统一多模态视频生成框架
深度2026年5月5日49 分钟阅读
本工作提出UniVidX，首次实现了单一模型在多种视频生成任务上的统一，如内在图像分解和RGBA层分解。对从事视频生成、多模态学习及图形学的研究者具有重要参考价值。
本文编译自 UniVidX: A Unified Multimodal Framework for Versatile Video Generation via Diffusion Priors，版权归原作者所有。
觉得有用？分享给更多人
相关文章
Anthropic 研究显示小型开源模型已能在陌生硬件上部署推理服务，并借由“拉马克式继承”的笔记机制逐代提升成功率。按 Epoch 能力指数推算，到 2026 年底最强的小模型将达到 GLM-5.2 的通用能力水平，届时复制所需的能力与体积两个条件可能首次重叠。
深度The New Stack·10月13日·5 分钟
作者在博客的浏览器端语义搜索基础上，加入小型语言模型实现完整的 RAG 问答。评测显示，350 MB 以下的模型忠实度极低（最多 3/30），且几乎对每个无答案问题都会编造回答；Qwen3-0.6B（579 MB）达到 15/30，Gemma 4 E2B（3.1 GB）28/30。相关度阈值只能拦截明显跑题的问题，近义问题反而得分更高，无法靠门控解决。
深度·10月13日·8 分钟