字节版Sora推出Seaweed和PixelDance视频模型，支持文生和图生视频，时长可达10秒。PixelDance具备多主体交互和多镜头一致性，能在一句提示词内切换多个镜头。其论文入选CVPR 2024，提出基于潜在扩散模型的方法，通过图像和视频联合训练，保持高保真生成。团队在WebVid-10M数据集上训练，并扩展无水印视频数据集，提升生成效果。产品已在火山引擎测试。

北京理工大学计算机学院团队在CVPR 2024提出了一种新的知识蒸馏框架——PlanKD，可提升自动驾驶系统性能一倍左右，无额外成本。实验结果显示，使用PlanKD后性能提升50-100%。该方法解决了自动驾驶中大模型参数量大、计算资源占用多的问题。

心血管疾病是全球死亡的主要原因。研究人员提出了一种新的超声心动图视频分割模型MemSAM，成功入围CVPR2024最佳论文的候选名单。该模型使用记忆作为提示当前帧的分割，并通过记忆增强机制提高记忆质量。实验证明，该模型在少量点提示和有限注释的情况下实现了最先进的性能。此研究对于自动化评估心血管疾病具有重要意义。

本研究提出了一种基于语义嵌入的视频目标分割模型，有效解决了复杂场景中的对象遮挡和分割问题。该模型在PVUW Challenge中获得第一名，展现出强大的鲁棒性和准确性，整体得分达到86.1%。

百度推动大模型技术发展，构建了业界规模最大的产业大模型体系。百度将在CVPR2024举办大模型workshop和CVPR NAS小型化workshop，促进技术交流与学习。百度飞桨平台助力文心大模型的高效训练。百度希望通过技术优势和飞桨平台支持，推动AI技术的发展和应用。