算法论文8
北大团队:NS - Diff 让视频生成遵循物理规律
机器之心
AI 摘要
北大彭宇新团队:提出 NS - Diff 框架,结合物理约束与强化学习,在多数据集实验中,显著降低物理运动误差,提升视频物理真实感和视觉质量,是解决视频生成物理失真的有效途径。
阅读原文 · 机器之心
CVPR 2026 | 给扩散模型装上「物理引擎」: 北大彭宇新团队提出NS-Diff,使扩散模型学会流体与刚体力学
北大彭宇新团队提出 NS - Diff,将物理约束与强化学习结合,解决视频生成物理失真问题。它通过多模块提升视频物理真实感,实验表明在多数据集上超现有方法,降低物理运动误差。

关注公众号
扫码关注
第一时间收到每日精选
相关文章
新闻资讯8
传英伟达拟收购Reflection AI
本文是InfoQ编译的科技播客访谈,Reflection AI由前Google DeepMind Gemini团队成员创立,近期发布了5010亿参数的开放大模型Beam,主打编程、推理和智能体任务,发布一周后传出英伟达拟收购该公司的消息,访谈中分享了对开放模型诸多问题的观点。
InfoQ
新闻资讯9
九章云极问鼎陶哲轩数学挑战赛
本文报道九章云极言表实验室在陶哲轩发起的数学蒸馏挑战赛第二阶段拿下全部赛道满分,解决28个未解决开放数学问题,介绍了其可验证AI+强化学习的AI4S布局。
机器之心
算法论文9
扩散新范式Hi-DiT终结路线之争
中科大与智象HiDream.ai团队提出混合潜空间-像素空间扩散新模型Hi-DiT,解决了两类传统扩散路线各自的瓶颈,论文被ECCV 2026接收,在多个主流图像生成任务上取得优异性能,仅小幅增加计算开销。
量子位
新闻资讯8
Opus 5.5让视频skill变无用包袱
本文分享了GitHub万星项目video-shotcraft作者Vincent的最新观点,Opus 5.5仅需一句话就能生成包含BGM、音效的完整视频,无需额外视频制作skill,引发对AI技能价值的讨论。
AI工程化