2025年8月10日
2025年8月10日
Snap 研究 2025
會議與活動
新聞媒體聯絡，請將電子郵件傳送至 press@snap.com。
如需其他諮詢，請造訪我們的支援網站。
Snap 研究 2025
會議與活動
聯絡我們
新聞媒體聯絡，請將電子郵件傳送至 press@snap.com。
如需其他諮詢，請造訪我們的支援網站。
Snap 研究團隊正引領著創新勢頭，無論是 AR 與生成式 AI、推薦系統，還是個人化創作工具。
2025 年，我們將在各種產業大會和活動中展示我們的成果。
過去的活動：
SIGGRAPH 2025 -- 加拿大溫哥華，8 月 10 日 - 8 月 14 日
Nested Attention：概念個性化的語意感知注意力值
Nested Attention 是一種全新方法，有助於增強圖像生成模型中的身份保存，在不同風格和場景中建立更一致且準確的特定主題圖片。透過引入語意感知注意力結構，模型可在各種風格與場景中更好地保存身份。 這使得創作個人化圖像成為可能，甚至可以將不同的主題 – 例如人和寵物 – 組合成一張圖片。
InstantRestore：基於共享影像注意力機制的單步驟個人化臉部修復
本文介紹了 InstantRestore，這是一種透過擴散模型，利用單次向前傳播來恢復損壞人臉影像的方法。旨在保留特定身份的功能，支援高效的身份感知還原功能，以增強肖像照片。
Set-and-Sequence 是適用視訊生成模型的新框架，解決了具「動態概念」生成影片的挑戰 – 實體不僅由其外觀定義，也由其隨時間變化的獨特運動模式定義，例如海浪或閃爍的篝火。Set-and-Sequence 能夠透過學習動態物件隨時間變化的行為，實現逼真的影片個人化，達到一致連貫的動作、場景構圖，以及跨場景混合。
DuetGen 是一款直接從音樂生成同步的雙人舞蹈動作框架。解決了互動編舞建模的挑戰，例如協調動作與舞伴之間的肢體互動。這個系統能為動畫、虛擬化身與數位表演中的應用程式生成逼真的雙人舞蹈。
我們的 Be Decisive 解決了在複雜影像中準確生成多個不同主題的挑戰，避免了視覺上的不準確或意外的混合之處。Be Decisive 介紹了一個小型神經網路，可在去噪時預測並提煉由噪聲所引起的空間佈局，從影像生成的早期階段開始，引導各主題應出現的位置。如此便可以創作出具多個特定主題的精細圖像，確保彼此之間的界限清晰，構圖自然。
KDD 2025 -- 加拿大安大略省多倫多，8 月 3 日 - 8 月 7 日
GiGL 是一款開源資料庫，用於在大規模繪圖上訓練和運行 大規模圖神經網路 (GNN)，支援數億個節點和數十億個邊緣。GIGL 在 Snap 用於關鍵機器學習應用程式，包括使用者成長、內容排名，以及廣告。
本文介紹了 PRISM（嵌入規模的流行度感知初始化策略）。PRISM 消除了嵌入式權重衰減的使用，這是一種推薦模型訓練中常見但昂貴的技術，在訓練開始時以單一輕量運算。PRISM 快速、好應用，可實現更高效的推薦系統。
介紹了 AutoCDSR，這是一種改善系統在不同互動領域預測使用者行為的方法，透過促進有效的知識分享，同時減少噪音或不相關的訊號。AutoCDSR 改善了推薦設定中個性化的準確性與穩健性。
SnapGen: 打造適用於行動裝置的高解析度文字轉圖片模型 ，透過高效率的架構和訓練 用於行動裝置的 Snap AI T2I 模型
SnapGen 是一款高效能的文字轉圖像研究模型，設計上可直接於行動裝置上運作，在兩秒內產生高品質的圖像。此技術有望大幅降低裝置端圖像生成所需的運算與記憶體資源。
SnapGen-V 是 SnapGen 模型的延伸，可於行動裝置上在五秒內直接生成五秒長的影片。此技術建立於我們在文字轉圖像模型上的創新，使快速、裝置端影片生成成為可能。
4Real-Video：學習具泛化能力的寫實 4D 影片擴散模型
4Real-Video 研究模型可生成細節豐富、動作自然的寫實 4D 影片，並支援多角度觀看。此技術在沉浸式虛擬實境與次世代敘事體驗中，具備潛在的應用價值。
Stable Flow 研究模型支援強大圖像編輯功能，如新增或移除物體，無需複雜訓練或高階硬體。此方法讓任何人都能輕鬆編輯照片，無需技術背景。
Omni-ID 研究模型可跨角度與表情建立人物面孔的完整表徵，讓 AI 與 AR 生成結果更擬真且個人化。
PrEditor3D 是我們研究團隊開發的工具，可透過最小輸入快速且精確地編輯 3D 模型。此技術簡化了 3D 內容製作的流程，使 3D 形狀的操作與調整更為直覺化。在實際應用中，PrEditor3D 可協助動畫師與 Snap 特效鏡頭創作者更有效率地實現創意，提升創作速度，進而打造更豐富且沉浸式的 AR 體驗。
Mosaic of Modalities：多模態圖學習的全面基準
MM-Graph 為首個多模態圖學習基準，結合視覺與文本數據，填補現有基準中視覺資訊的重大缺口。此基準支援更全面的模型評估，推動可理解真實世界輸入的圖學習系統創新。
透過文字提示與參考圖像，Video Alchemist 可生成影片，無需大量調校與最佳化。應用上能簡化影片個人化流程，自訂外觀與背景，節省時間並提升創作力。
Mind the Time 能為 AI 影片生成引入精確的時間控制。創作者可掌握事件順序與時序，實現更結構化且連貫的影片敘事生成結果。
Video Motion Transfer 是一種將一段影片中的真實動作轉移至另一段影片的方法，採用擴散式研究模型實現。此技術可無需複雜設定即重建擬真的運動動態，應用上包括快速製作風格一致、動作自然的影片，或是增強生成式內容中的動態一致性與真實感。
Wonderland 可從一張照片生成細節豐富的 3D 場景，簡化 3D 場景建立流程，無需多角度輸入或大量資源，便可加快設計速度及提升設計效率。
AC3D 改進影片生成模型中的鏡頭控制功能，使運鏡更為平滑且自然。此技術方便創作者在影片生成過程中，對鏡頭移動擁有更高的控制度，提升生成場景的影像品質和真實性。
* 上述所有模型與研究成果僅供研究用途。
本篇貼文將持續更新。