跳到正文
今天11月20日周五6 条
  1. VP Land71

    Kling 4.0 上线原生 4K 与 10-bit HDR 输出

    Kling 4.0 已支持原生 4K 视频输出和 10-bit HDR,HDR 在 4K 与 1080p 下均可使用,并附带 21:9 超宽画幅。Kling 称 10-bit HDR 在逆光、夜景和霓虹场景中能保留更多高光与阴影细节、减少色带,为后期调色留出空间。官方公告未说明所用 HDR 标准、文件编码与封装格式,也未公布 4K 或 HDR 渲染的积分价格与时长限制。

    推荐理由:Kling 4.0 把原生 4K 与 10-bit HDR 从预告变为可用,但 HDR 标准、编码格式和渲染成本仍未公布,读者可据此判断能否接入现有后期流程。

  2. VP Land73

    Netflix 探索高斯泼溅作为流媒体格式,Blender 5.3 与 Unreal Engine 加入原生支持

    据 Lowpass 报道,Netflix 正通过一个 24 周带薪实习项目研究高斯泼溅能否成为面向电视、流媒体棒、手机和笔记本的流媒体格式,压缩与编码时间是主要待解难题。

    推荐理由:材料把 Netflix 的流媒体探索、Eyeline 的 4D 捕捉研究与 Blender 5.3 的原生支持放在一起,读者可据此判断高斯泼溅在制作与分发两端的位置。

  3. VP Land72

    NVIDIA 在 GitHub 发布 MotionBricks,新增 SOMA 人体模型实时动作生成

    NVIDIA 在官方 GitHub 仓库发布 MotionBricks 实时动作生成模型,在原先仅支持 Unitree G1 机器人的基础上新增 SOMA 人体角色预训练模型,两者共用同一套代码路径。

    推荐理由:MotionBricks 在原有 G1 机器人模型之外补上 SOMA 人体模型,并公开权重与运行时代码,读者可据此判断能否接入现有动画管线。

  4. 流媒体网 · 大视频动态15

    广电四省密集召开生态合作大会:重庆发布七大AI项目并获12.43亿元授信

    中国广电重庆公司11月18日举办2026生态合作大会,发布“树莓AIGC智能生产平台”“广电·小渝AI”等七大AI创新项目,并获中国农业发展银行重庆市分行12.43亿元授信用于千兆光网项目。近几个月辽宁、吉林、黑龙江三省网公司也相继召开生态伙伴大会,分别聚焦5G渠道考核转型、文化科技签约与算力数据要素落地。四省共同从业务协同转向生态共建,推动广电向区域数智信息服务商转型。

11月19日周四
  1. SMPTE31

    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。

  2. VP Land30

    Runway Labs 推出 Diffusion-UI:实时生成可交互界面的研究应用

    Runway Labs 推出研究应用 Diffusion-UI,由实时模型逐像素生成可交互界面,并演示了能使用结构化数据、维持状态和生成控件的早期版本。精确地图路线、实时天气或任意 API 可作为 JSON 对象传入,界面按数据源、参考布局、样式和文本提示四层生成,交互时逐帧渲染,悬停时以白色轮廓标出可点击控件。该应用仍属早期研究,未公布定价、访问方式或发布时间,也未给出分辨率、帧率与延迟数据。

  3. VP Land75

    Apple 在 Hugging Face 发布 FastFrames 视频模型,单张 B200 GPU 上每帧最快 36 ms

    Apple 在 Hugging Face 发布 FastFrames 两个自回归视频扩散模型,可生成 480p 视频:1.3B 的 FastFrames-S 在单张 NVIDIA B200 GPU 上每帧 36 ms,14B 的 FastFrames-L 在 8 卡 B200 节点上每帧 45 ms、单卡 158 ms。

    推荐理由:Apple 公开两个自回归视频扩散模型及完整训练链路,读者可据此了解交互式视频生成的延迟构成与开源范围。

  4. VP Land58

    Comfy Cloud 新增自定义 Build,团队可在浏览器运行自有 ComfyUI 环境

    Comfy 为 Comfy Cloud 新增自定义 Build,团队可把自有的 ComfyUI 节点、模型、LoRA 和私有节点包打包成一套环境,所有成员在浏览器中打开同一套配置。

    推荐理由:Comfy Cloud 新增自定义 Build,把团队自有的节点、模型和 LoRA 打包成浏览器内统一环境,便于判断团队协作与部署成本。

11月18日周三
  1. CineD38

    ShotDeck 改版上线:加入自然语言搜索、影视片段与公开 Deck 链接

    由摄影指导 Lawrence Sher 创办的影视参考图库 ShotDeck 本月在 ShotDeck.com 上线重建版,将语义(向量)自然语言搜索与原有标签和技术筛选结合,并新增 10 秒影视片段、摄影机运动筛选、Discover 首页、带奖项与电影运动筛选的 Titles 页面,以及无需账号即可打开的公开 Deck 链接。

11月17日周二
11月16日周一
  1. Auganix78

    World Labs 向所有用户开放 Atlas 世界模型,并推出 3D 世界构建应用与 API

    World Labs 宣布向所有用户开放其 Atlas 世界模型,同时提供一套用于构建 3D 世界的应用和 API 端点,构建结果可导出为关键帧、视频片段和 3D 高斯泼溅。

    推荐理由:Atlas 从少量输入图像重建空间并输出高斯泼溅,为影视与 VFX 的场景搭建提供了新的素材来源。

11月14日周六
  1. 3DVF50

    高斯泼溅是3D扫描的未来吗?3DVF 作者讲解基础与入门方法

    3DVF 作者 Benoît Rogez 在 Noranim 主办的 Forum Ecoles Studios 2026 上发表高斯泼溅主题演讲,介绍其基本原理、从照片生成 splats 的流程,以及在视效、动画、VR/XR 和遗产记录中的生产用法。

    推荐理由:作者以自身扫描项目为例,梳理高斯泼溅从拍摄到软件选择的入门路径,并给出低成本起步方案。

11月11日周三
  1. Auganix60

    Google DeepMind 发布 Genie 4 实时交互世界模型

    Google DeepMind 发布世界模型 Genie 4,可实时模拟事件后续发展,目前以研究预览形式向受信任测试者开放。Genie 4 结合 Gemini 系列模型,Gemini Omni 负责让模拟贴合真实外观与行为,Gemini 3.8 Flash 作为循环中的引导代理拆解目标并核验每一步;用户可用自然语言实时修改天气、机位或加入人物与物体。

    推荐理由:Genie 4 把实时世界模型与 Gemini 结合,并首次原生生成音频,读者可据此判断 AI 生成环境在虚拟制作中的可用边界。

  2. Foundry Insights48

    如何用 Griptape 充分发挥 LTX-2.5 的视效能力

    Griptape 现已支持 LTX-2.5 新公布的视效能力,把抠像、SDR 转 HDR、改画幅和放大做成可连线的节点,并可通过云端运行,无需高端 GPU。

    推荐理由:文章逐一说明四个 LTX 节点在抠像、HDR 转换、改画幅与放大上的用法和限制,可帮助合成与流程人员判断能否接入现有 ACES 工作流。

11月3日周二
10月9日周五
9月10日周四
9月7日周一
7月29日周三
  1. arXiv · virtual production32

    LLM4OSC:面向 Open Sound Control 的配置文件约束自然语言控制与确定性校验

    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。

7月28日周二
  1. arXiv · virtual production58

    Two2Four:用普通人动作驱动四足动物动画的生成式框架

    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。

7月16日周四
  1. Rokoko Insights60

    Rokoko 发布 Vision 3.0,重建单目 AI 动捕管线并转向云端处理

    Rokoko 发布 Rokoko Vision 3.0,对单目 AI 动作捕捉管线做了完整重建,采用云端处理,并让 Video-to-Motion 与 Text-to-Motion 一同进入网页端 Rokoko Create 平台。

    推荐理由:Rokoko 重建单目 AI 动捕求解器并转向云端处理,读者可据此比较它与本地处理方案在迭代效率上的差异。

7月4日周六
  1. arXiv · virtual production55

    MACRO:面向 3DGS 近景渲染优化的免训练多平面注意力方法

    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。

7月1日周三
5月18日周一
  1. arXiv · virtual production58

    CineMatte:面向虚拟制作的前景抠像框架与 CineMatte-4K 数据集

    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。

5月14日周四
  1. arXiv · virtual production57

    UMo:面向实时语音驱动数字人的统一稀疏运动建模架构

    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。