Richard Zhang

収録論文 4本 ・ フィジカルAI/ロボット学習

※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。

論文

• EditStream: 対話型ビデオ生成と編集のための統一オートリグレッシブフレームワーク
  ビデオ生成/編集2026/8/16

  ビデオ生成と編集を単一のDiTベースモデルで統合し、高速な数ステップのオートリグレッシブモデルに変換するフレームワークを提案。テキストからビデオ、画像からビデオ、編集伝播など多様なタスクをサポートし、対話的なクリエイティブワークフローを実現する。

• 表現オートエンコーダによる改良ベースライン
  生成モデル2026/5/18

  表現オートエンコーダ（RAE）の設計を改良し、再構成性能と収束速度を大幅に向上させた。特に、層の和を用いた表現、REPAとの相補性、CFGのための無料ガイダンスを実現した。

• テキスト画像生成モデルのための高速データ帰属
  データ帰属2025/11/13

  テキストから画像を生成するモデルにおいて、生成結果に影響を与えた学習画像を高速に特定する手法を提案。既存手法より最大40万倍高速で、大規模モデルにも適用可能。

• Stochastic Adversarial Video Prediction
  2018/4/1