在当前的AIGC浪潮中，扩散模型无疑是图像生成领域的绝对主力。我们熟知的 Stable Diffusion 等模型，大多在一种被称为“潜在空间”的低维数据空间里工作。这个潜在空间通常由一个变分自编码器（Variational Autoencoder, VAE）构建，其核心任务是尽可能无损地压缩和重建图像的像素细节。 与此同时，在计算机视觉的另一重要分支——视觉“理解”领域，像 DINO、CLIP ...

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com ...

港科大团队重磅开源 VideoVAE+，提出了一种强大的跨模态的视频变分自编码器（Video VAE），通过提出新的时空分离的压缩机制和创新性引入文本指导，实现了对大幅运动视频的高效压缩与精准重建，同时保持很好的时间一致性和运动恢复。 VideoVAE + 模型大幅超过 ...