算法论文8

EgoTwin：首破第一视角视频动作同步难题

量子位2025-09-30

AI 摘要

新加坡国立大学等团队：发布EgoTwin框架，实现第一视角视频与人体动作同步生成，攻克视角对齐和因果交互难题，通过三大创新设计，性能超基线，为多领域应用提供新可能。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

复旦&引望WAM-Diff2让自动驾驶解码提速15.1倍

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。

ByteDance Seed团队研究发现，文生图模型中自然语言Caption变长，不意味着模型获更多视觉监督，其信息量更能预测训练损失。团队提出Structured Prompt，从两侧提升文本条件，在多任务上取得显著提升。

北大卢宗青是国内第一视角数据最早押注者和隐空间路线推进者。他认为人类视频是具身智能唯一可规模化的数据路径，创立BeingBeyond走隐空间世界动作模型路线，成本低、推理快，还发布全球首个隐式触觉世界动作模型Being - H0.8。

ICML 2026大奖公布，杰出论文奖中两篇扩散模型论文获奖，立场论文奖指出AI安全工具被挪用问题。时间检验奖颁给DeepMind经典论文。获奖名单显示扩散模型研究热，AI安全需审视，AI研究进入深度清理阶段。