本研究提出了一种统一的自回归框架（UAR-NVC），旨在解决隐式神经表示方法在视频压缩中的内存消耗问题。该框架通过将视频划分为多个片段并使用不同的神经模型实例，有效降低训练和推理过程中的内存需求，从而在资源受限环境中显著提高视频压缩性能。

春节期间，DeepSeek的Janus Pro模型备受关注。该模型是一种创新的自回归框架，统一了多模态理解与生成任务，性能超越以往模型。文章介绍了本地部署步骤，包括安装conda、创建虚拟环境、克隆仓库及安装依赖。尽管模型成功运行，但文生图测试未能通过，可能是显卡性能不足所致。

该研究提出了一种新颖的自回归框架——生成空间变换器（GST），旨在提升空间推理模型在定位和视图预测中的性能。

本文介绍了Janus，一个自回归框架，旨在统一多模态理解与生成。Janus通过解耦视觉编码，解决了理解与生成的冲突，提升了模型的灵活性和性能。实验显示，Janus在多模态任务中表现优于传统模型。

该研究提出了一种生成城市风景全景长序列视图的方法，通过动态合成大规模场景实现。研究借鉴了视频扩散的研究成果，在自回归框架的基础上进行建模，并引入了一种新的时间插补方法。