模型
UniAVC
统一音视频生成模型，采用渐进式训练策略与模态解耦调度器，支持联合生成、跨模态编辑与自refinement等多任务
时间轴 (近 90 天)
10月20日
UniAVC 提出一种统一音视频生成范式，支持文本条件联合合成、双向跨模态生成以及指令引导的编辑。
待验证50%
10月20日
UniAVC 采用渐进式训练策略：先让每个分支在单模态数据集上训练生成与编辑能力，再将配对数据用于挖掘跨模态对应关系。
待验证50%
10月20日
UniAVC 的核心创新之一是模态解耦调度器，它从共享时间步出发为每个模态独立扭曲噪声调度。
待验证50%
10月20日
UniAVC 在训练时对只有一个干净模态的非对称配置进行直接监督，使模型学会保留一个模态并约束另一个模态的生成。
待验证50%
10月20日
UniAVC 用一套权重即可覆盖联合生成、跨模态编辑和自 refinement 等多种任务，无需为每个任务单独挂适配器。
待验证50%
10月20日
UniAVC 方案的有效性取决于配对数据的质量与规模，以及解耦调度器在不同模态组合下的调参鲁棒性。
待验证50%
全部知识事实 (6)
待验证
UniAVC 提出一种统一音视频生成范式，支持文本条件联合合成、双向跨模态生成以及指令引导的编辑。
50%待验证UniAVC 采用渐进式训练策略：先让每个分支在单模态数据集上训练生成与编辑能力，再将配对数据用于挖掘跨模态对应关系。
50%待验证UniAVC 的核心创新之一是模态解耦调度器，它从共享时间步出发为每个模态独立扭曲噪声调度。
50%待验证UniAVC 在训练时对只有一个干净模态的非对称配置进行直接监督，使模型学会保留一个模态并约束另一个模态的生成。
50%待验证UniAVC 用一套权重即可覆盖联合生成、跨模态编辑和自 refinement 等多种任务，无需为每个任务单独挂适配器。
50%待验证UniAVC 方案的有效性取决于配对数据的质量与规模，以及解耦调度器在不同模态组合下的调参鲁棒性。
50%