自监督学习

依托参考图实现零样本编辑的创新AI图像编辑模型 MimicBrush是基于扩散先验开发的创新图像编辑模型，区别于传统需微调的图像编辑方案，它仅需要用户指定源图像编辑区域，搭配一张普通野外参考图，即可自动捕捉两者语义对应关系，一次性完成零样本图像编辑，经实验验证多场景下表现优于同类模型。

评估大语言模型视觉能力，探索纯LLM训练视觉模型的研究项目 本项目是一项聚焦大语言模型视觉能力的学术研究，系统评估LLM生成、识别逐渐复杂视觉概念的能力。不同于传统视觉研究依赖像素输入，它采用代码表示图像适配LLM处理逻辑，验证了仅靠文本大模型即可训练出可对自然图像做语义评估的视觉模型，开辟了视觉研究新路径

德克萨斯大学开发的支持手物交互适配的视频物体交换编辑模型 不同于常规AI物体交换模型忽略手交互协调性的问题，HOI-Swap采用分阶段架构设计，第一阶段通过自监督训练实现单帧物体交换，同步根据新物体属性调整手的抓握等交互模式；第二阶段将单帧编辑扩展到全视频，通过运动对齐结合扩散模型，生成高质量时序一致的编辑结果，解决了交换后手物交互不协调的痛点。

基于自监督学习的AI面部动画生成工具，可生成逼真动态头像 AniTalker是面向面部动画生成的AI技术项目，通过双自监督学习策略提升面部动作的表现力，依托度量训练得到的身份编码器，大幅降低对标记训练数据的依赖。相较于同类依赖大量标注数据的面部动画工具，它可生成细节丰富、还原度高的逼真面部动作，在动态数字头像制作领域具备实际应用潜力。