AIGCer的博客

在视觉自回归（AR）模型狂奔的今天，我们似乎已经习惯了将 Tokenizer 和生成器当作完美的黑盒组合。VA-π (Variational Policy Alignment) 深入剖析了这一现象背后的结构逻辑，提出了一种极其轻量且优雅的后训练（Post-training）框架。这项研究摒弃了单纯追求工程跑分的暴力路线，而是用极具数学美感的变分推断（VI）与强化学习（RL），从根本上弥合了生成与重建的鸿沟。

在视觉自回归（AR）模型狂奔的今天，我们似乎已经习惯了将 Tokenizer 和生成器当作完美的黑盒组合。VA-π (Variational Policy Alignment) 深入剖析了这一现象背后的结构逻辑，提出了一种极其轻量且优雅的后训练（Post-training）框架。这项研究摒弃了单纯追求工程跑分的暴力路线，而是用极具数学美感的变分推断（VI）与强化学习（RL），从根本上弥合了生成与重建的鸿沟。

摘要：复旦大学等机构提出首个端到端多模态矢量动画生成框架OmniLottie，可直接从文本/图像/视频指令生成Lottie格式动画。创新点包括：1) 设计Lottie分词器将JSON压缩为高效指令序列，实现10倍数据压缩；2) 开源200万规模的MMLottie-2M数据集；3) 基于Qwen2.5-VL构建多模态模型，支持跨模态动画生成。实验表明其生成质量优于现有方法，在保持矢量特性的同时解决了传统视频动画的体积大、难编辑等问题，为AI动画创作提供了新范式。