在2024年底，智元推出了AgiBot World，包含超过100万条轨迹、涵盖217个任务、涉及五大场景的大规模高质量真机数据集。基于AgiBot World，今日，智元正式发布首个通用具身基座模型——智元启元大模型（Genie ...

一、变分自编码器（VAE）概述 变分自编码器是一种结合了概率图模型与深度神经网络的生成模型。与传统的自编码器不同，VAE不仅关注于数据的重建，还致力于学习数据的潜在分布，从而能够生成逼真的新样本。 生成能力：VAE能够通过学习数据的潜在分布 ...

近日，阿里云宣布其在视频生成领域的核心产品——万相2.1模型正式开源，这一消息在科技界引起了广泛关注。万相2.1不仅是阿里云开源大模型战略中的重要一环，更是推动整个视觉生成技术进步的重要力量。该模型提供了两种参数规模供用户选择：140亿参数的专业版与 ...

2 月 26 日，阿里巴巴深夜重磅开源了视频生成大模型——Wan 2.1（ 通义万相 2.1）。此次开源采用 Apache 2.0 协议，当前全球开发者可通过GitHub（https://github.com/Wan-Video/Wan2.1）、HuggingFace（https://huggingface.co/Wan-AI ）平台直接下载并上手体验。Wan2.1 代码和权重均已开源，此次提供了 ...

机器之心报道机器之心编辑部上周五，稚晖君在微博上预告，「下周有好东西发布」。还没进入「下周」多久，智元机器人的「好东西」揭晓了，还是双重惊喜：Vision-Language-Latent-Action (ViLLA) 架构和通用具身基座大模型 ...

3月10日，华为离职“天才少年”稚晖君（原名彭志辉）发布智元通用具身基座大模型Genie Operator-1（GO-1）。

据报道，阿里生成基座模型万相2.1（Wan）宣布开源，在评测集中，超越 Sora、Luma等模型，位列榜首。

当下市面上多数VAE模型压缩比为8x8x4，在相同视频帧数下，Video-VAE能额外压缩8倍，故而训练和生成效率都提升64倍。 第三，针对DiT模型的超参设置 ...

2 月 25 日消息，据新浪科技援引知情人士消息称，阿里巴巴 将于今晚全面开源 旗下视频生成模型万相 2.1 模型。 今年 1 月，阿里通义万相推出了 2.1 版本模型升级，其在视频生成、图像生成两大能力均有显著提升。 在视频生成方面，通义万相 ...

Step-Video-T2V 的架构概览。 在模型细节上，为了实现更加逼真的视频生成，研究人员设计了深度压缩变分自编码器 Video-VAE，它实现了 16×16 的空间压缩 ...