面向交互式长视频生成的多模态世界模型

解决实时交互视频生成要求下多模态遵从、低成本部署的综合难题。

1. 01

   在模型尺寸的限定情况下，如何保持优秀的多模态能力。

2. 02

   如何确保流式视频模型长时间不崩坏、具备良好的空间记忆能力。

3. 03

   如何通过有效的蒸馏、量化等综合手段降低流式视频模型的推理成本、延迟和提升流畅度。

1. 01

   有多模态+扩散模型和大规模训练能力；

2. 02

   有良好的Infra优化和大模型工程能力；

3. 03

   在视觉、图形学顶会发表过高质量相关论文，或在相关公司大模型重大项目、开源项目中做出过重要贡献；

4. 04

   具有良好的学界新方法的理解和认知能力。