SMPTE 发布内容溯源与真实性工程报告,提出 AI 时代关键需求
SMPTE 发布其内容溯源与真实性研究组的首份工程报告,基于 127 位行业专业人士的调研,提出端到端内容溯源、与 C2PA 等现有技术互操作、在 MXF 中支持溯源信息等关键需求与建议。报告强调溯源技术无法独立判断内容是否真实,并将在 2026 SMPTE Media Technology Summit 上进一步介绍进展。
SMPTE 发布其内容溯源与真实性研究组的首份工程报告,基于 127 位行业专业人士的调研,提出端到端内容溯源、与 C2PA 等现有技术互操作、在 MXF 中支持溯源信息等关键需求与建议。报告强调溯源技术无法独立判断内容是否真实,并将在 2026 SMPTE Media Technology Summit 上进一步介绍进展。
其域创新与香港科技大学(广州)、哈尔滨工业大学(深圳)联合研发的论文 SpatialGrammar 入选 ACM Multimedia 2026 口头报告。
LLM4OSC 采用本地优先架构,让模型在经人工审核的设备配置文件上生成结构化意图 JSON,再由确定性代码校验、钳制并编码后才通过 UDP 发送。在 Max/MSP hero 配置文件(12 个模式:8 个字面、8 个改写、4 个拒答案例)上,B0–B3 后端均通过冻结评测门槛,达到 100% 语义准确率与 0% 错误发送率。
论文提出 Two2Four 自动人转四足操控框架,可从普通人动作数据生成可信且可控的四足运动。方法采用仅用四足运动数据训练的两阶段生成扩散模型,结合结构化条件与 inpainting 策略,支持走、跑、跳、坐、卧等动作,并可细粒度控制头部与单条肢体。实验称其运动真实感与可控性优于现有重定向方法,面向动画与虚拟制作应用。
推荐理由:论文提出纯用四足动物动作数据训练的两阶段扩散模型,把普通人动作转成可控的四足动画,为虚拟制作中的动物运动提供了一条数据驱动路径。
Nitzan Hodos 提出 MACRO,一种免训练的多平面注意力方法,用于从 3DGS 生成高质量近景新视角画面。研究指出参考图条件增强模型的特征不具备尺度不变性,近景与参考视角的尺度差导致跨视角注意力取错对应关系,且 VAE 编码器非尺度等变使该问题无法在潜空间修正。
推荐理由:论文分析了 3DGS 近景渲染在参考图条件增强下失效的尺度差异原因,并给出无需训练的多平面注意力方案。
Yuanjian He 提出 CineMatte 前景抠像框架,用共享权重的冻结 DINOv3 ViT 分别编码输入帧与背景,再经交叉注意力预测前景,以降低对背景变化的敏感度。
推荐理由:论文提出面向 LED 虚拟制作的前景抠像框架,并公开在专业影棚拍摄的 4K HDR 数据集,可供后期替换背景参考。
Xiaoyu Zhan 等作者提出 UMo,一种面向实时语音驱动数字人的统一稀疏运动建模架构,在统一框架内处理文本、音频和运动 token。该方法结合空间稀疏的 Mixture-of-Experts 框架与以关键帧为中心的时间稀疏设计,实现实时稠密重建,可同时生成面部表情与手势动画,并采用多阶段训练与针对性音频增强提升声学多样性和语义一致性。
推荐理由:论文提出统一稀疏运动建模架构,在低延迟约束下兼顾面部表情与手势的实时生成质量。
作者提出 MAGS-SLAM,这是一个仅用 RGB 图像的多智能体 3DGS SLAM 框架,用于协同场景重建。每个智能体独立构建局部单目高斯子图,并传输紧凑的子图摘要而非原始观测;框架结合几何与外观感知的回环验证以及占用感知的高斯融合,以应对单目尺度歧义。
推荐理由:论文提出仅用 RGB 相机的多智能体 3DGS SLAM 框架,并给出与 RGB-D 方法对比的实验结果,可供关注大场景重建的虚拟制作团队参考。
Adrian Azzarelli 在 arXiv 发表论文,提出一种面向虚拟制作的可重打光高斯泼溅框架,用已知背景图像约束重打光过程,避免依赖环境贴图,并把合成简化为背景图像编辑。
推荐理由:论文针对 LED 墙拍摄中光照与背景绑定的问题,提出用高斯泼溅做可重打光的重建,并给出资源占用与帧率数据。
研究者提出 TMD-Bench,一个针对文本驱动音乐-舞蹈协同生成的基准,从单模态生成质量、指令遵循和跨模态节奏对齐三个层面评估系统,并结合可计算物理指标与多模态感知判断。