Feb, 2024

基于生成 AI 的动态超个性化媒体生态系统：永不重复的不可预测剧本

PDF
TL;DR介绍了一种利用人工智能 (AI) 视频生成器在接收端的媒体服务模型，通过将部分内容创作转移到接收方，借助语义处理，将分布网络提供的服务元素作为语义源促使内容生成器，并将接收到的语义数据转换为视频帧，实现超个性化服务。该研究探索了一种由接收端嵌入生成模型支持的新型媒体生态系统，同时具有随机内容动态和提高传递效率的特点。
media service modelartificial intelligencevideo generatorssemantic sourcesgenerative models
发现论文，激发创造
  • 生成语义通信：超越比特恢复的扩散模型

    本研究提出了一种新颖的扩散引导框架的语意通信，通过高度压缩的语意信息来降低带宽使用，然后利用扩散模型从这些去噪的语意信息中学习合成语义一致的场景，从而生成保留语义信息的高质量图像。

    Jun, 2023

  • YouTuber 在内容创作中使用生成式人工智能的初步探索

    通过对 68 个 YouTube 视频的定性分析，我们的研究重点关注生成型人工智能在用户生成内容环境中所应用的内容领域、使用的各种工具、执行的活动以及生成的最终产品的性质。

    Mar, 2024

  • 生成 AI 遇见语义传播：通信任务的演变与革命

    通过深度生成模型在语义通信中的应用，揭示了其在未来通信框架中的革命性作用，为新兴应用和任务提供了前所未有的机会，并分析了专门针对通信系统开发生成模型的挑战和机遇。

    Jan, 2024

  • 生成式 AI 学习：探究人工合成学习视频的潜力

    本研究通过混合方法，探讨了在线教育是否具有使用基于生成人工智能技术的合成视频来创造有用的教育内容的潜力，并发现人工智能生成的合成视频可以成为在线教育中传统方法所制作视频的替代方案。

    Apr, 2023

  • 使用深度生成模型重新考虑多用户语义通信

    在这篇文章中，我们提出了一个新的生成语义通信框架，针对多用户场景进行了优化，利用扩散模型在接收方填充丢失的信息，通过彻底的实验评估展示了这种创新性的扩散模型的能力和所提出框架的有效性，为基于 GenAI 的下一代通信发展指明了方向。

    May, 2024

  • 如何在人智时代战略性地创建内容？

    通过研究人工智能生成模型与人类贡献者之间的竞争，本文探讨了动态竞争模型中人类贡献者如何在一系列主题的内容生成中最大化效益。在时间敏感的内容领域中，研究表明在没有多项式时间的优化策略的情况下，人类的最优策略无法找到，但通过设计一个多项式时间算法可以保证近似性能。而在时间不敏感的内容领域中，我们展示了一种可以在长期内最大化人类效益的多项式时间算法。

    Jun, 2024

  • 基于人类审美偏好的大型文本到图像模型个性化：以康定斯基生成为例

    使用神经生成能力和感知注入技术，本研究提出了一种无需提示的生成方法，使用户能够自动生成个性化的具有自定义艺术风格的画作内容。

    Feb, 2024

  • 大规模生成式人工智能文本在体育和音乐领域的应用

    利用生成式 AI 模型，我们解决了大规模体育和音乐活动媒体内容（如评论和个性化新闻报道）的生产问题，并成功应用于 2023 年美网、温网和大师赛的自动化解说系统以及 ESPN Fantasy Football 和格莱美奖音乐艺术家故事的个性化内容创作，实现了 15 倍的速度提升，平均 Rouge-L 达到 82.00，困惑度为 6.6。我们的工作成功地支持了全球 9000 万球迷的 8 亿页面浏览，不断推动体育、娱乐和人工智能交叉领域的边界。

    Jan, 2024

  • 利用检索辅助视频生成技术的动画故事讲述

    提出了一种使用现有短视频合成视觉讲述视频的技术，该技术基于查询文本描述运动结构，在结构引导和外观指导下生成基于情节的视频，并通过概念个性化方法保证视频的视觉一致性。

    Jul, 2023

  • 基于文本的视频生成

    通过训练条件生成模型从文本中提取静态和动态信息，结合 VAE 和 GAN 的混合框架，采用画线和过滤器来生成可信度高和多样性强的文本视频。

    Oct, 2017