BriefGPT - AI 论文速递 ·

PointTalk: Audio-Driven Dynamic Lip Point Cloud for 3D Gaussian-Based Talking Head Synthesis

💡 原文英文，约100词，阅读约需1分钟。

📝

内容提要

本文提出了一种名为PointTalk的3D高斯方法，旨在解决数字人类领域中基于任意语音音频的对话头合成问题。该方法通过静态3D高斯场与音频同步变形，并引入动态唇部点云，显著提升了合成的高保真度和音频与唇部的同步性能。

🏷️

Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...
一台 3D 打印机，为什么藏着 GPT-6 最大的野心？｜硬哲学
GPT-6 Astra宣传片展示了从画黄色圆圈到生成3D模型，最终通过拓竹P1S打印机变成实物的过程，体现AI从屏幕内容生成进入现实操作。文章认为GUI是...
Airbnb Cuts Authentication Code by 60% with Server Driven Architecture
Airbnb redesigned its authentication architecture around server driven flows ...
Kimi K3 模型结构（9）：显存，把 2.8T 塞进 GPU
本文详解Kimi K3模型训练中的显存优化策略，通过账本形式分析权重、激活等内存占用，并介绍六项关键技术：均衡PP rank激活、统一激活管理器、MoE反...
DeepSeek-V4 模型结构（7）：结构决定系统
DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...
DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...