多模态与计算机视觉
CogVideoX的模型结构（包括3DVAE的压缩率、MM-DiT的优势、4f+1中+1的含义）是怎样的？
训练过哪些插件？用了多少数据量和多少卡？
原题完整原题
【CogVideoX架构与训练】CogVideoX的模型结构（包括3DVAE的压缩率、MM-DiT的优势、4f+1中+1的含义）是怎样的？训练过哪些插件？用了多少数据量和多少卡？ 「腾讯混元、阿里巴巴」
Wan系列视频生成模型：
「字节跳动、百度、阿里巴巴」
Wan2.1的详细架构和训练细节；
Wan2.2 MoE模型的步数蒸馏如何设计？
Wan2.2的模型架构细节，高噪专家和低噪专家根据信噪比划分，具体实现及转换选择。
原题完整原题
【Wan系列视频生成模型】Wan系列视频生成模型：Wan2.1的详细架构和训练细节；Wan2.2 MoE模型的步数蒸馏如何设计？Wan2.2的模型架构细节，高噪专家和低噪专家根据信噪比划分，具体实现及转换选择。 「字节跳动、百度、阿里巴巴」
【多模态大模型视频处理】介绍一下多模态长视频扩展方法，如何在现有模型上改，比如llava？ 「腾讯」
原题【多模态视频分析应用】如何利用多模态信息进行视频情感识别(Multimodal Emotion Recognition)？ 「腾讯」
原题【多目标跟踪算法】MOTR范式在训练的时候需要加哪些约束？ 「腾讯」
原题【文生视频人物ID保持】文生视频过程中当人物的移动速度过快情况下id很难保持，针对这个问题你有什么解决方案？ 「腾讯混元」
原题【视频大模型技术探讨】视频大模型技术探讨：动态分辨率策略/帧采样率设定/最大上下文窗口设计。 「字节Seed」
原题【视频帧采样方法】多模态大模型在处理视频理解任务时，如何高效采样帧序列，以平衡计算成本与时序信息？ 「字节跳动」
原题【视频物体时间轴提取】一个带货博主的视频，怎么得到重要物体出现的时间轴以及对应的描述。 「字节Seed」
原题【视频生成一致性】怎么保证长视频中的背景一致性？ 「阿里巴巴」
原题
暂无题目