Tag · 2 篇
强化学习奖励
分布 生成模型与扩散1视觉语言模型1
01 02
InfinityHuman：迈向长期音频驱动的人体动画
InfinityHuman: Towards Long-Term Audio-Driven Human Animation
提出粗到细框架，利用解耦的姿态序列作为稳定视觉锚点来抑制长视频生成中的误差累积，并引入手部特定奖励机制提升手势真实感，可复用于其他长时序人体动画任务。
VLM 与 IRM 的因果联姻：从理解到推理
A Causal Marriage between VLM and IRM from Understanding to Reasoning
把 CLIP 的对比目标在 token 粒度上重新解释为 IRM 的不变性准则，并给出一个无需改结构的中训练方案来注入不变学习信号；做视觉-语言预训练或 OOD 泛化的人可以直接复用这套 token 分解与词表约束 InfoNCE 等价性，以及用不变对齐分数作为 MLLM 强化学习过程奖励的思路。