🤗 Daily Hugging Face Paper Digest - 2026-02-23
Báo cáo được tạo tự động vào lúc 2026-02-24 09:31:34 bằng mô hình gemini-2.5-flash.
📰 Summary of Papers
1. VESPO: Variational Sequence-Level Soft Policy Optimization for Stable Off-Policy LLM Training (158 votes)
Tác giả: Guobin Shen, Chenxiao Zhao, Xiang Cheng, Lei Huang, Xing Yu
Xuất bản lúc: 2026-02-11
Tag: RL, LLMs, Off-Policy Learning, Importance Sampling, Variational Methods, Training Stability, MoE, Deep Learning, Mathematical Reasoning
I. Main Problem:
Vấn đề chính là sự ổn định trong huấn luyện học tăng cường (RL) cho các mô hình ngôn ngữ lớn (LLM), đặc biệt trong các điều kiện off-policy. Các yếu tố như chính sách lỗi thời (policy staleness), huấn luyện không đồng bộ, và sự không khớp giữa các công cụ huấn luyện và suy luận gây ra sự khác biệt lớn giữa chính sách hành vi và chính sách hiện tại, dẫn đến nguy cơ sụp đổ quá trình huấn luyện. Phương pháp lấy mẫu quan trọng (Importance Sampling - IS) cung cấp một cách hiệu chỉnh cho sự dịch chuyển phân phối này nhưng lại gặp phải vấn đề về phương sai cao. Các giải pháp hiện có như cắt xén mức token (token-level clipping) và chuẩn hóa mức chuỗi (sequence-level normalization) thiếu một nền tảng lý thuyết thống nhất và có thể gây ra sai lệch hoặc chỉ là xấp xỉ bậc nhất.
II. Main Idea:
Bài báo đề xuất Variational sEquence-level Soft Policy Optimization (VESPO), một phương pháp mới để giải quyết vấn đề phương sai cao và tính không ổn định trong huấn luyện LLM off-policy. Ý tưởng chính là tích hợp việc giảm phương sai vào một công thức biến phân (variational formulation) trên các phân phối đề xuất, từ đó suy ra một hàm biến đổi (reshaping kernel) dạng đóng hoạt động trực tiếp trên các trọng số quan trọng ở cấp độ chuỗi (sequence-level importance weights) mà không cần chuẩn hóa độ dài. VESPO xem bất kỳ hàm biến đổi trọng số ϕ(W) nào cũng ngầm định nghĩa một phân phối đề xuất Q. Bằng cách định nghĩa một mục tiêu biến phân khuyến khích Q gần với cả chính sách hành vi (µ) và chính sách mục tiêu (π), đồng thời áp đặt một ràng buộc về phương sai, VESPO tìm ra một giải pháp có nguyên tắc cho ϕ(W). Hàm biến đổi này có dạng W^α * exp(-λW), trơn tru và khả vi, cung cấp một giải pháp thay thế mềm mại cho việc cắt xén cứng. VESPO sử dụng các siêu tham số bất đối xứng cho các ưu điểm dương và âm để điều chỉnh hành vi của hàm biến đổi.
III. Main Results:
VESPO đã đạt được những kết quả nổi bật, chứng minh khả năng duy trì huấn luyện ổn định dưới tỷ lệ lỗi thời (staleness ratios) lên tới 64× và trong điều kiện thực thi hoàn toàn không đồng bộ. Phương pháp này mang lại những cải thiện nhất quán trên cả các mô hình dày đặc (dense models) và các mô hình Mixture-of-Experts (MoE). Cụ thể, VESPO đạt được độ chính xác trung bình tốt nhất trên tất cả ba mô hình được đánh giá (Llama-3.2-3B-Instruct, Qwen3-8B-Base, Qwen3-30B-A3B-Base), đặc biệt vượt trội trên Qwen3-30B-A3B-Base với mức cải thiện 2.3% độ chính xác trung bình so với phương pháp cơ sở tốt nhất. Các thử nghiệm cũng chỉ ra rằng VESPO mạnh mẽ trước sự không khớp giữa huấn luyện và suy luận, và có thể kết hợp với các kỹ thuật kỹ thuật khác như Routing Replay (R2) để tăng cường hiệu suất. Hơn nữa, các phân tích loại bỏ (ablation studies) đã xác nhận rằng việc không sử dụng chuẩn hóa độ dài là rất quan trọng đối với sự ổn định của VESPO, vì chuẩn hóa độ dài có thể gây ra sai lệch và làm sập quá trình huấn luyện.
IV. Conclusion & Future Works:
Bài báo giới thiệu một góc nhìn về thay đổi độ đo (measure-change perspective), cho thấy bất kỳ phép biến đổi trọng số quan trọng nào cũng ngầm định nghĩa một phân phối đề xuất. Nhận thức này cho phép xây dựng một công thức biến phân có nguyên tắc để suy ra một hàm biến đổi dạng đóng từ các thuộc tính phân phối mong muốn. Thuật toán VESPO kết quả hoạt động trên các trọng số quan trọng ở cấp độ chuỗi mà không cần chuẩn hóa độ dài, giữ nguyên các phụ thuộc giữa các token và tránh được sai lệch phụ thuộc độ dài có trong các phương pháp hiện có. Các thí nghiệm chứng minh khả năng huấn luyện ổn định dưới tỷ lệ lỗi thời lên tới 64× và trong huấn luyện hoàn toàn không đồng bộ, với những cải tiến nhất quán trên cả kiến trúc dày đặc và MoE, đặc biệt là trên các mô hình MoE nơi sự ổn định huấn luyện khó khăn hơn.
Các hướng nghiên cứu trong tương lai bao gồm:
- Mở rộng quy mô sang các cụm không đồng bộ lớn hơn.
- Mở rộng sang các thiết lập RL theo tác nhân (agentic RL) với tương tác đa lượt và sử dụng công cụ.
- Áp dụng framework này vào chưng cất on-policy (on-policy distillation) và huấn luyện offline.
V. Brainstorming Space:
1. Publish Papers:
- "VESPO-Distributed: Tối ưu hóa chính sách mềm cấp độ chuỗi biến phân cho huấn luyện LLM ngoài chính sách ổn định trong môi trường phân tán quy mô lớn": Nghiên cứu này sẽ khám phá việc mở rộng và tối ưu hóa VESPO cho các hệ thống huấn luyện LLM phân tán và không đồng bộ quy mô lớn, tập trung vào việc duy trì hiệu quả và ổn định khi dữ liệu và mô hình được phân tán trên nhiều nút, đồng thời giải quyết các thách thức về độ trễ truyền thông và đồng bộ hóa.
- "Tăng cường khả năng lập luận đa bước của LLM thông qua VESPO trong học tăng cường theo tác nhân với sử dụng công cụ": Đề xuất nghiên cứu về việc tích hợp VESPO vào các khuôn khổ học tăng cường theo tác nhân cho LLM, đặc biệt là trong các kịch bản đòi hỏi tương tác đa lượt và sử dụng công cụ. Mục tiêu là cải thiện sự ổn định và hiệu suất của LLM trong việc thực hiện các tác vụ lập luận phức tạp, dài hạn bằng cách tận dụng khả năng giảm phương sai của VESPO.
- "Khung biến phân cho trọng số quan trọng trong học tăng cường offline và chưng cất chính sách on-policy cho LLM": Nghiên cứu này sẽ điều chỉnh và áp dụng công thức biến phân của VESPO để giải quyết các thách thức trong học tăng cường offline (offline RL) từ dữ liệu tĩnh và chưng cất chính sách on-policy (on-policy distillation) cho LLM. Nó sẽ tập trung vào việc phát triển các biến thể của ràng buộc phương sai và mục tiêu dual-proximity phù hợp với các kịch bản học tập này để cải thiện tính hiệu quả và ổn định.
2. Patent:
- Hệ thống điều chỉnh phản hồi AI thông minh trên thiết bị di động: Một công nghệ phần mềm cho phép các ứng dụng AI trên điện thoại di động (ví dụ: trợ lý ảo, chatbot) liên tục học hỏi và cải thiện từ tương tác của người dùng mà không cần cập nhật mô hình thường xuyên từ máy chủ. Hệ thống này sử dụng một cơ chế tự động điều chỉnh cách AI đánh giá các phản hồi của nó dựa trên sự khác biệt giữa hành vi hiện tại và hành vi trong quá khứ, giúp AI cung cấp các câu trả lời chính xác và phù hợp hơn theo thời gian, đồng thời ngăn chặn các phản hồi không mong muốn do dữ liệu cũ hoặc không đồng bộ.
- Công nghệ tăng cường ổn định cho AI đa nhiệm trên điện thoại thông minh: Một phương pháp phần mềm tích hợp vào hệ điều hành hoặc ứng dụng di động, cho phép các mô hình AI thực hiện các tác vụ phức tạp, đa bước (ví dụ: lên kế hoạch lịch trình, soạn thảo email dài, hỗ trợ mã hóa) duy trì hiệu suất ổn định cao. Công nghệ này tự động quản lý và hiệu chỉnh dữ liệu học tập được tạo ra không đồng bộ hoặc bị cũ đi, đảm bảo rằng AI có thể xử lý các nhiệm vụ phức tạp một cách đáng tin cậy và không bị suy giảm chất lượng theo thời gian sử dụng trên thiết bị.
- Giải pháp chống "lệch" dữ liệu cho mô hình AI học tập trên thiết bị di động: Một hệ thống phần mềm thông minh được thiết kế để xử lý dữ liệu huấn luyện đa dạng cho các mô hình AI trên điện thoại di động, đặc biệt là khi dữ liệu đến từ nhiều nguồn khác nhau hoặc có độ trễ. Hệ thống này sẽ tự động phát hiện và giảm thiểu ảnh hưởng của các dữ liệu lỗi thời hoặc có trọng số quá cao, đảm bảo rằng mô hình AI học được một cách cân bằng và đưa ra các quyết định hoặc phản hồi công bằng, không bị "thiên vị" bởi một tập dữ liệu cụ thể, giúp tăng cường tính công bằng và chính xác của AI trên điện thoại.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2602.10693 |
| ArXiv Abstract | https://arxiv.org/abs/2602.10693 |
| PDF Download | https://arxiv.org/pdf/2602.10693.pdf |
| Github Repository | https://github.com/FloyedShen/VESPO |
2. Does Your Reasoning Model Implicitly Know When to Stop Thinking? (98 votes)
Tác giả: Zixuan Huang, Xin Xia, Yuxi Ren, Jianbin Zheng, Xuanda Wang, Zhixia Zhang, Hongyan Xie, Songshi Liang, Zehao Chen, Xuefeng Xiao, Fuzhen Zhuang, Jianxin Li, Yikun Ban, Deqing Wang
Xuất bản lúc: 2026-02-09
Tag: LLMs, Reinforcement Learning, Chain of Thought, Efficiency, Reasoning, Sampling
I. Main Problem:
Các mô hình suy luận lớn (LRMs) hiện tại, mặc dù có khả năng giải quyết các tác vụ phức tạp thông qua chuỗi suy luận dài (CoTs), thường tạo ra sự dư thừa đáng kể trong quá trình suy nghĩ. Điều này làm giảm hiệu quả tính toán, gây ra sự chậm trễ đáng kể trong các ứng dụng thời gian thực. Hơn nữa, các chuỗi suy luận dài hơn thường không tương quan với độ chính xác và thậm chí có thể gây hại cho nó, cho thấy các phương pháp lấy mẫu hiện tại đang che khuất khả năng tiềm ẩn của LRMs trong việc tự biết khi nào nên dừng suy nghĩ.
II. Main Idea:
Nghiên cứu này phát hiện và chứng minh rằng các mô hình suy luận lớn (LRMs) ngầm hiểu được thời điểm thích hợp để ngừng suy nghĩ, nhưng khả năng này bị che khuất bởi các phương pháp lấy mẫu hiện tại (như pass@1). Dựa trên phát hiện này, các tác giả giới thiệu:
- SAGE (Self-Aware Guided Efficient Reasoning): Một phương pháp lấy mẫu mới cho phép các LRM khai thác tiềm năng suy luận hiệu quả của chúng. SAGE sử dụng sự tự tin của mô hình để khám phá các chuỗi suy luận chính xác và ngắn gọn, thực hiện mở rộng chuỗi suy luận từng bước và tự tin chấm dứt quá trình khi cần.
- SAGE-RL: Tích hợp SAGE như một phương pháp lấy mẫu hỗn hợp vào các khuôn khổ học tăng cường dựa trên nhóm (RLVR). Điều này giúp các mô hình suy luận học được các mẫu suy luận hiệu quả được SAGE khám phá, áp dụng chúng vào suy luận pass@1 tiêu chuẩn, từ đó nâng cao cả độ chính xác và hiệu quả.
III. Main Results:
SAGE đã khai thác thành công tiềm năng suy luận hiệu quả của LRMs, đồng thời cải thiện đáng kể độ chính xác và tính ngắn gọn của các chuỗi suy luận. Các mô hình được tinh chỉnh bằng SAGE-RL đạt được mức tăng trưởng nhất quán về hiệu suất trên sáu bộ dữ liệu toán học thử thách, bao gồm MATH-500, AIME 2024, AIME 2025, AMC23, OlympiadBench và Minerva. SAGE-RL liên tục đạt được hiệu quả mã thông báo (token efficiency) tốt nhất hoặc tốt thứ hai trên tất cả các điểm chuẩn, đồng thời nâng cao khả năng của các mô hình cơ sở. Ví dụ, trên MATH-500, SAGE-GRPO trên DS-1.5B đã tăng Pass@1 lên 1.6% và giảm 1967 token trung bình. SAGE-RL giúp các mô hình học được các mẫu suy luận ngắn gọn hơn nhưng chính xác hơn, được thể hiện qua việc giảm entropy và tăng độ phân kỳ KL đáng kể trong quá trình huấn luyện, cho thấy mô hình học được các chuỗi suy luận chính xác. Chỉ số RFCS (Tỷ lệ bước đúng đầu tiên) trên các mô hình được tinh chỉnh bằng SAGE-GRPO cho thấy sự giảm đáng kể các bước suy luận dư thừa và các mô hình thường xuyên dừng suy nghĩ ngay sau khi đưa ra câu trả lời đúng.
IV. Conclusion & Future Works:
Nghiên cứu này đã chứng minh rằng các mô hình suy luận lớn (LRMs) có khả năng tiềm ẩn trong việc tự biết khi nào nên dừng suy nghĩ, khả năng này bị che khuất bởi các phương pháp lấy mẫu hiện tại. Bằng cách giới thiệu SAGE, một phương pháp lấy mẫu mới, tiềm năng này được khai thác để tạo ra các chuỗi suy luận chính xác, dẫn đến giảm đáng kể độ dài chuỗi suy nghĩ và cải thiện độ chính xác. Việc tích hợp SAGE vào quy trình triển khai của RLVR dưới dạng SAGE-RL mang lại những cải tiến lâu dài về hiệu quả suy luận trong thời gian suy luận.
V. Brainstorming Space:
1. Publish Papers:
- Nâng cao hiệu quả suy luận trong các mô hình ngôn ngữ lớn cho tác vụ lập trình và phân tích dữ liệu bằng phương pháp SAGE.
- Nghiên cứu cơ chế tiềm ẩn giúp các mô hình suy luận lớn tự biết khi nào nên dừng suy nghĩ và tối ưu hóa việc khai thác khả năng này.
- Phát triển phương pháp SAGE thích ứng cho các ứng dụng thời gian thực, cân bằng giữa tốc độ và độ chính xác dựa trên độ phức tạp của tác vụ.
2. Patent:
- Hệ thống Trợ lý Ảo Thông minh Tiết kiệm Pin: Một trợ lý ảo trên điện thoại có khả năng tự động điều chỉnh mức độ "suy nghĩ" để trả lời câu hỏi. Với các yêu cầu đơn giản (ví dụ: "Mấy giờ rồi?"), nó sẽ đưa ra câu trả lời nhanh và ngắn gọn. Với các câu hỏi phức tạp hơn (ví dụ: "Làm thế nào để giải bài toán này?"), nó sẽ mở rộng các bước suy luận cho đến khi tự tin có câu trả lời chính xác, nhưng sẽ dừng lại ngay khi đạt được mà không tạo ra văn bản dư thừa. Điều này giúp tiết kiệm pin và cung cấp phản hồi nhanh hơn cho các tác vụ hàng ngày, đồng thời đảm bảo độ chính xác cho các vấn đề khó.
- Tính năng Tóm tắt Văn bản Thông minh trên Trình duyệt Di động: Một tính năng tích hợp trong trình duyệt web trên điện thoại di động cho phép người dùng tóm tắt nhanh các bài báo hoặc tài liệu dài. Sử dụng cơ chế tương tự SAGE, hệ thống AI sẽ xác định các điểm cốt lõi và tự động dừng quá trình tóm tắt khi đã đủ thông tin cần thiết, tránh tạo ra các câu dư thừa. Kết quả là một bản tóm tắt ngắn gọn, "vừa đủ", giúp tiết kiệm không gian màn hình và thời gian đọc trên thiết bị di động, nhưng người dùng vẫn có thể yêu cầu mở rộng chi tiết nếu cần.
- Tối ưu hóa Phản hồi AI cho Ứng dụng Học Tập Di động: Một ứng dụng học tập trên điện thoại sử dụng AI để giải thích các khái niệm hoặc bài tập. Thay vì luôn cung cấp các giải thích dài dòng, AI, được hỗ trợ bởi nguyên tắc SAGE, sẽ tự động nhận biết khi nào một giải thích ngắn gọn, trực tiếp là đủ và dừng lại. Điều này giúp học sinh tiếp thu thông tin hiệu quả hơn, giảm thời gian chờ đợi phản hồi và giảm tải tính toán cho thiết bị, đặc biệt hữu ích khi thiết bị có tài nguyên hạn chế hoặc kết nối mạng không ổn định.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2602.08354 |
| ArXiv Abstract | https://arxiv.org/abs/2602.08354 |
| PDF Download | https://arxiv.org/pdf/2602.08354.pdf |
| Github Repository | N/A |
3. Generated Reality: Human-centric World Simulation using Interactive Video Generation with Hand and Camera Control (19 votes)
Tác giả: Linxi Xie, Lisong C. Sun, Ashley Neall, Tong Wu, Shengqu Cai, Gordon Wetzstein
Xuất bản lúc: 2026-02-20
Tag: XR, Video Generation, Diffusion Models, Human-Computer Interaction, Generative AI, Computer Vision
I. Main Problem:
Thực tế mở rộng (XR) đòi hỏi các mô hình tạo sinh có khả năng phản hồi chuyển động thực tế được theo dõi của người dùng. Tuy nhiên, các mô hình thế giới video hiện tại chỉ chấp nhận tín hiệu điều khiển thô như văn bản hoặc nhập liệu bàn phím, giới hạn khả năng tương tác cơ thể. Các phương pháp hiện có thiếu độ chính xác cần thiết để biểu diễn các chuyển động chi tiết của cổ tay và ngón tay trong tương tác tay-đối tượng khéo léo. Vẫn còn là một thách thức lớn về cách tích hợp hiệu quả điều kiện tư thế tay cấp độ khớp vào các mô hình khuếch tán video và chiến lược điều kiện hóa nào giữ được độ trung thực của tay, tính chân thực và tính nhất quán thời gian tốt nhất.
II. Main Idea:
Chúng tôi giới thiệu một mô hình thế giới video lấy con người làm trung tâm, được điều kiện hóa bởi cả tư thế đầu và tư thế tay cấp độ khớp được theo dõi. Chúng tôi đánh giá các chiến lược điều kiện hóa Diffusion Transformer hiện có và đề xuất một cơ chế hiệu quả để điều khiển đầu và tay 3D, cho phép tương tác tay-đối tượng khéo léo. Chúng tôi huấn luyện một mô hình khuếch tán video hai chiều (teacher model) bằng chiến lược này và chắt lọc nó thành một hệ thống tương tác, nhân quả (student model) tạo ra môi trường ảo góc nhìn thứ nhất. Đóng góp kỹ thuật chính của chúng tôi là xác định chiến lược điều kiện hóa lai 2D–3D (kết hợp điều kiện hóa kiểu ControlNet 2D và biểu diễn cấp độ khớp 3D thông qua phép cộng token) là hiệu quả nhất cho tư thế tay. Mô hình sau đó được chắt lọc thành một mô hình tự hồi quy tương tác, hoạt động ở tốc độ khung hình tương tác, hỗ trợ điều khiển đồng thời cả camera và tay.
III. Main Results:
Chiến lược điều kiện hóa tư thế tay lai 2D–3D của chúng tôi (kết hợp điều kiện hóa kiểu ControlNet 2D và biểu diễn cấp độ khớp 3D thông qua phép cộng token) được xác định là hiệu quả nhất, vượt trội hơn các phương pháp cơ sở về chất lượng video, độ chính xác tư thế camera và độ chính xác tư thế tay (ví dụ: đạt MPJPE, MPVPE, L2Err tốt nhất và FVD cạnh tranh). Điều kiện hóa tay và camera chung (JointCtrl) đạt hiệu suất tổng thể tốt nhất trên các chỉ số chất lượng video, tư thế tay và tư thế camera (ví dụ: PSNR, LPIPS, SSIM tốt nhất, FVD, TransErr, RotErr, MPJPE, MPVPE, L2Err cạnh tranh). Hệ thống tự hồi quy được chắt lọc đạt 11 khung hình mỗi giây (FPS) với độ trễ 1.4 giây trên một GPU H100 duy nhất. Các nghiên cứu người dùng cho thấy hiệu suất tác vụ được cải thiện đáng kể (độ chính xác tác vụ 71.2% với điều khiển tay so với 3.0% của phương pháp cơ sở chỉ dùng văn bản) và mức độ kiểm soát cảm nhận cao hơn đáng kể (điểm trung bình 4.21 so với 1.74 trên thang Likert 7 điểm) so với các phương pháp cơ sở liên quan.
IV. Conclusion & Future Works:
Thực tế được tạo sinh có thể hỗ trợ học tập và khám phá nhập vai, cho phép người dùng tiếp thu kỹ năng và thực hành các tác vụ phức tạp theo cách zero-shot, mà không cần đến việc mô hình hóa môi trường ảo 3D tốn công sức. Tuy nhiên, các hạn chế hiện tại bao gồm độ phân giải, độ trễ, khả năng kết xuất stereo, chất lượng hình ảnh và hiệu quả tính toán, vốn còn kém xa so với các hệ thống thực tế ảo hiện đại. Hiện tượng trôi (drift) cũng làm giảm đáng kể chất lượng hình ảnh sau vài giây hoạt động. Công việc trong tương lai nên tập trung vào việc cải thiện các hạn chế này để đạt được độ phân giải hình ảnh retina trong stereo với độ trễ không thể nhận biết (<20ms) và thời gian hoạt động lâu dài trên các máy tính đeo được tích hợp trong tai nghe. Những vấn đề này phù hợp với các nỗ lực nghiên cứu và phát triển liên tục về các mô hình khuếch tán video tự hồi quy.
V. Brainstorming Space:
1. Publish Papers:
- Nghiên cứu các phương pháp giảm thiểu hiện tượng trôi (drift) trong các mô hình tạo video tự hồi quy để đảm bảo tính nhất quán thị giác và độ trung thực của môi trường ảo trong các phiên tương tác kéo dài.
- Phát triển kiến trúc mô hình khuếch tán video mới được tối ưu hóa cho hiệu suất trên thiết bị đeo, nhằm đạt được độ phân giải cấp độ võng mạc, kết xuất stereo và độ trễ cực thấp (<20ms).
- Khám phá các chiến lược điều kiện hóa kết hợp nhiều tín hiệu đầu vào phức tạp (ví dụ: tư thế toàn thân, ánh mắt, biểu cảm khuôn mặt) để nâng cao khả năng điều khiển và tính nhập vai của mô hình thế giới video lấy con người làm trung tâm.
2. Patent:
- Hệ thống Thực tế Tăng cường Di động Tương tác Bằng Cử Chỉ Tay và Chuyển Động Điện Thoại: Một ứng dụng trên điện thoại thông minh cho phép người dùng sử dụng camera của điện thoại để theo dõi chuyển động của thiết bị và cử chỉ tay (nhận diện qua camera), từ đó tạo ra và thao tác các vật thể ảo trong môi trường thực tế được hiển thị trên màn hình điện thoại. Người dùng có thể 'chạm', 'kéo', 'xoay' các vật thể ảo một cách trực quan bằng tay, biến điện thoại thành một cổng tương tác với thế giới ảo tăng cường.
- Công Cụ Sáng Tạo Nội Dung Video Tương Tác Cá Nhân Trên Di Động: Một ứng dụng điện thoại cho phép người dùng 'đạo diễn' các cảnh quay video hoặc câu chuyện ảo bằng cách sử dụng cử chỉ tay và chuyển động của điện thoại. Hệ thống AI sẽ tự động tạo ra nội dung video phản ứng theo thời gian thực với hành động của người dùng, cho phép tạo ra các clip ngắn, meme hoặc câu chuyện cá nhân hóa một cách nhanh chóng và sáng tạo mà không cần kỹ năng chỉnh sửa phức tạp.
- Trải Nghiệm Thử Đồ Ảo Động Học Trên Điện Thoại: Một hệ thống trên điện thoại thông minh sử dụng camera để theo dõi tư thế và chuyển động của người dùng. Dựa trên dữ liệu này, hệ thống sẽ tạo ra và hiển thị các trang phục hoặc phụ kiện ảo trên hình ảnh người dùng, với khả năng mô phỏng tương tác vật lý chân thực như vải rủ, nhăn hoặc phản ứng với chuyển động, mang lại trải nghiệm thử đồ ảo sống động và cá nhân hóa cao ngay trên thiết bị di động.
Các đường dẫn liên quan
| Nền tảng | Đường dẫn |
|---|---|
| Hugging Face | https://huggingface.co/papers/2602.18422 |
| ArXiv Abstract | https://arxiv.org/abs/2602.18422 |
| PDF Download | https://arxiv.org/pdf/2602.18422.pdf |
| Github Repository | N/A |