本文刊發(fā)于《現(xiàn)代電影技術(shù)》2024年第9期

專(zhuān)家點(diǎn)評(píng)

當(dāng)前，我們正處于第三次技術(shù)革命浪潮中，人工智能應(yīng)用前景日趨清晰，人工智能應(yīng)用場(chǎng)景日益廣泛。特別是在電影文化領(lǐng)域，生成式人工智能更是具有大規(guī)模提高生產(chǎn)效率的潛能。在此背景下，中國(guó)電影科學(xué)技術(shù)研究所（中央宣傳部電影技術(shù)質(zhì)量檢測(cè)所）總工程師劉達(dá)率團(tuán)參加了人工智能領(lǐng)域國(guó)際頂級(jí)學(xué)術(shù)會(huì)議，并開(kāi)展了技術(shù)調(diào)研和考察交流，在此基礎(chǔ)上撰寫(xiě)完成《智能計(jì)算時(shí)代深化電影科技創(chuàng)新和推進(jìn)電影強(qiáng)國(guó)建設(shè)的思考與啟示》一文。文章在簡(jiǎn)明扼要介紹歐洲高新技術(shù)格式電影制作播映發(fā)展與應(yīng)用最新成果的基礎(chǔ)上，針對(duì)電影產(chǎn)業(yè)、現(xiàn)代影院和沉浸式視聽(tīng)技術(shù)的發(fā)展與應(yīng)用，提出把電影級(jí)主動(dòng)發(fā)光顯示技術(shù)和沉浸式視聽(tīng)技術(shù)作為重要抓手，以有效提升影院視聽(tīng)品質(zhì)和觀影體驗(yàn)。此外，適應(yīng)智能計(jì)算時(shí)代發(fā)展特征和生成式人工智能演進(jìn)趨勢(shì)，提出了電影行業(yè)要統(tǒng)籌推進(jìn)模型自主研發(fā)與行業(yè)定制改造的技術(shù)思路，同時(shí)探討了電影行業(yè)在積極探索人工智能應(yīng)用中強(qiáng)化人工智能安全治理和版權(quán)保護(hù)的方式。文中提出我國(guó)要加快構(gòu)建完善以“文生電影”為核心的電影智能化創(chuàng)作生產(chǎn)技術(shù)體系，發(fā)展完善以現(xiàn)代智能科技為核心支撐的電影新質(zhì)生產(chǎn)力，推進(jìn)電影攝制播映向高品質(zhì)沉浸式多元化升級(jí)，構(gòu)建發(fā)展新型視聽(tīng)文化業(yè)態(tài)，優(yōu)化升級(jí)視聽(tīng)文化服務(wù)，為新時(shí)代新征程推進(jìn)我國(guó)電影科技創(chuàng)新升級(jí)和高水平自立自強(qiáng)提供了富有前瞻性、建設(shè)性和可實(shí)施性的思考啟示與發(fā)展建議。

——徐進(jìn)

中央廣播電視總臺(tái)技術(shù)局局長(zhǎng)

中國(guó)電影電視技術(shù)學(xué)會(huì)理事長(zhǎng)

作 者 簡(jiǎn) 介

劉 達(dá)

中國(guó)電影科學(xué)技術(shù)研究所（中央宣傳部電影技術(shù)質(zhì)量檢測(cè)所）總工程師，主要研究方向：電影科技與產(chǎn)業(yè)智能化升級(jí)。

中國(guó)電影科學(xué)技術(shù)研究所（中央宣傳部電影技術(shù)質(zhì)量檢測(cè)所）高新技術(shù)研究處副處長(zhǎng)，主要研究方向：數(shù)字電影技術(shù)。

王 萃

高 峰

中國(guó)電影科學(xué)技術(shù)研究所（中央宣傳部電影技術(shù)質(zhì)量檢測(cè)所）檢測(cè)認(rèn)證北方中心副主任，主要研究方向：電影技術(shù)質(zhì)量檢測(cè)認(rèn)證。

中國(guó)電影科學(xué)技術(shù)研究所（中央宣傳部電影技術(shù)質(zhì)量檢測(cè)所）助理工程師，主要研究方向：數(shù)字電影技術(shù)。

馬鴻悅

張海悅

中國(guó)電影科學(xué)技術(shù)研究所（中央宣傳部電影技術(shù)質(zhì)量檢測(cè)所）工程師，主要研究方向：數(shù)字電影技術(shù)。

中國(guó)電影科學(xué)技術(shù)研究所（中央宣傳部電影技術(shù)質(zhì)量檢測(cè)所）工程師，主要研究方向：數(shù)字電影技術(shù)。

王 健

摘要

人類(lèi)社會(huì)正加快步入智能計(jì)算時(shí)代，現(xiàn)代智能科技對(duì)電影產(chǎn)業(yè)的影響持續(xù)深化和不斷泛化，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、人工智能生成內(nèi)容（AIGC）、大語(yǔ)言模型（LLM）、多模態(tài)模型等技術(shù)正在深刻影響和重構(gòu)優(yōu)化電影全產(chǎn)業(yè)鏈全價(jià)值鏈。伴隨電影科技創(chuàng)新進(jìn)入攻堅(jiān)期和深水區(qū)，電影產(chǎn)業(yè)發(fā)展面臨新形勢(shì)新要求，我們要深化電影科技自主創(chuàng)新，積極推進(jìn)電影行業(yè)的智能化升級(jí)，推進(jìn)生成式人工智能、人工智能大模型、沉浸式視聽(tīng)等技術(shù)在我國(guó)電影行業(yè)的定制設(shè)計(jì)、自主研制與科學(xué)應(yīng)用，有力支撐和服務(wù)社會(huì)主義電影強(qiáng)國(guó)建設(shè)。

關(guān)鍵詞

電影科技；自主創(chuàng)新；智能科技；人工智能大模型；人工智能生成內(nèi)容；沉浸式視聽(tīng)

1引言

2024年7月，我們一行6人赴德國(guó)、奧地利開(kāi)展業(yè)務(wù)訪問(wèn)與技術(shù)交流，先后在德國(guó)訪問(wèn)了HOLOPLOT音頻科技公司和德國(guó)電影資料館，在奧地利參加了全球人工智能（AI）領(lǐng)域的頂級(jí)學(xué)術(shù)會(huì)議——國(guó)際機(jī)器學(xué)習(xí)大會(huì)（International Conference on Machine Learning, ICML）。代表團(tuán)深入了解了電影沉浸式音頻技術(shù)的發(fā)展與應(yīng)用情況，細(xì)致了解了德國(guó)電影產(chǎn)業(yè)與現(xiàn)代影院的發(fā)展建設(shè)情況，積極研究探索我國(guó)電影產(chǎn)業(yè)高品質(zhì)多元化放映應(yīng)用場(chǎng)景。特別是，適應(yīng)智能計(jì)算時(shí)代（Age of Intelligent Computing）發(fā)展特征和電影產(chǎn)業(yè)智能化升級(jí)不斷提速要求，我所首次組織實(shí)施“人工智能?chē)?guó)際學(xué)術(shù)會(huì)議團(tuán)組”計(jì)劃，參加全球AI領(lǐng)域頂級(jí)學(xué)術(shù)會(huì)議，密切跟蹤現(xiàn)代智能科技發(fā)展趨勢(shì)、最新研究與應(yīng)用成果，探索推進(jìn)人工智能（AI）大模型和人工智能生成內(nèi)容（AIGC）等技術(shù)在電影行業(yè)的定制化、科學(xué)化應(yīng)用。

此次業(yè)務(wù)訪問(wèn)與技術(shù)交流不僅內(nèi)容充實(shí)、系統(tǒng)全面，而且細(xì)致深入、針對(duì)性強(qiáng)，進(jìn)一步深化了我們對(duì)于智能計(jì)算時(shí)代推進(jìn)電影科技自主創(chuàng)新、高水平自立自強(qiáng)與電影產(chǎn)業(yè)智能化升級(jí)的思考和認(rèn)識(shí)，對(duì)于推動(dòng)人工智能大語(yǔ)言模型（LLM）、多模態(tài)大模型、人工智能生成內(nèi)容（AIGC）、沉浸式視聽(tīng)（Immersive Audio?Visual）等技術(shù)在我國(guó)電影行業(yè)的定制化設(shè)計(jì)、科學(xué)化應(yīng)用以及電影行業(yè)垂直AI大模型自主研制均具有一定的指導(dǎo)意義和應(yīng)用價(jià)值。

2收獲與思考

2.1 深入細(xì)致了解歐洲高新技術(shù)格式電影制作播映技術(shù)發(fā)展與應(yīng)用的最新成果，深刻感受到全球電影行業(yè)正融合運(yùn)用傳統(tǒng)與新興視聽(tīng)技術(shù)，不斷拓展創(chuàng)新觀影場(chǎng)景，有效提升電影視聽(tīng)品質(zhì)、觀影體驗(yàn)和產(chǎn)業(yè)效能，持續(xù)增強(qiáng)電影在現(xiàn)代視聽(tīng)媒體中的競(jìng)爭(zhēng)力影響力引領(lǐng)力

德國(guó)HOLOPLOT是全球領(lǐng)先的空間聲學(xué)技術(shù)研究與應(yīng)用服務(wù)公司，致力于基于波場(chǎng)合成（Wave Field Synthesis, WFS）和3D音頻波束成形（Beamforming）技術(shù)的沉浸式音頻產(chǎn)品與應(yīng)用研究，其沉浸式音頻技術(shù)解決方案已成功應(yīng)用于美國(guó)拉斯維加斯MSG Sphere LED球幕影院，以及美國(guó)紐約Atlantic Theatre、英國(guó)倫敦Lightroom的LED展示場(chǎng)館等多元化展示和放映場(chǎng)景。HOLOPLOT沉浸式音頻解決方案的突出特點(diǎn)在于，其支持同一場(chǎng)所內(nèi)聽(tīng)眾區(qū)域、聆聽(tīng)內(nèi)容、音頻強(qiáng)度（聲壓級(jí)）等靈活配置，既可讓不同區(qū)域的聽(tīng)眾聆聽(tīng)不同音頻內(nèi)容，也可讓不同區(qū)域的聽(tīng)眾聆聽(tīng)不同強(qiáng)度或相等強(qiáng)度的聲音。

HOLOPLOT設(shè)計(jì)研制了配有高性能服務(wù)器的沉浸式音頻揚(yáng)聲器模組，針對(duì)現(xiàn)場(chǎng)自動(dòng)化測(cè)試的場(chǎng)館聲音傳播特點(diǎn)，采用波場(chǎng)合成（Wave Field Synthesis, WFS）與波束成形（Beamforming）技術(shù)，通過(guò)組合配置揚(yáng)聲器模組，構(gòu)建虛擬聲源，控制聲音波束匯聚的方向和強(qiáng)度，以實(shí)現(xiàn)覆蓋各聽(tīng)眾區(qū)域的聲場(chǎng)。其揚(yáng)聲器模組分為X1和X2兩個(gè)系列，其中X1系列模組有包含96個(gè)兩分頻（高音和中低音）揚(yáng)聲器的MD96矩陣陣列和包含80個(gè)三分頻（高音、中音和低音）揚(yáng)聲器的MD80?S矩陣陣列；X2系列模組有包含30個(gè)揚(yáng)聲器的MD30矩陣陣列。

代表團(tuán)在HOLOPLOT實(shí)驗(yàn)室現(xiàn)場(chǎng)體驗(yàn)了波場(chǎng)合成（Wave Field Synthesis, WFS）和波束成形（Beamforming）技術(shù)的實(shí)現(xiàn)效果，可明顯感受到在同一場(chǎng)館內(nèi)，距音源不同距離等強(qiáng)度覆蓋、不同區(qū)域不同音頻內(nèi)容覆蓋、覆蓋區(qū)域外強(qiáng)度快速衰減等效果。代表團(tuán)還參觀了產(chǎn)品研發(fā)生產(chǎn)線，以及HOLOPLOT最新發(fā)布的適用于演講和多媒體應(yīng)用的X2系列。位于美國(guó)拉斯維加斯著名的MSG Sphere LED球幕影院即采用HOLOPLOT音頻解決方案實(shí)現(xiàn)電影級(jí)沉浸式音頻播放。該場(chǎng)館從LED屏幕到最后一排觀眾的距離長(zhǎng)達(dá)110米，且弧形屏幕和球形場(chǎng)館對(duì)聲音傳播形成了非常規(guī)的球面反射。HOLOPLOT在LED透聲屏后安裝約1600個(gè)X1矩陣陣列模組，共計(jì)約160000個(gè)揚(yáng)聲器實(shí)現(xiàn)音頻播放。

此外，代表團(tuán)還訪問(wèn)了德國(guó)電影資料館（Deutsche Kinemathek）和柏林CinemaxX影院，重點(diǎn)了解德國(guó)電影科技與產(chǎn)業(yè)發(fā)展歷程、影院發(fā)展建設(shè)情況以及高新技術(shù)格式電影應(yīng)用情況。德國(guó)電影資料館于1963年2月正式開(kāi)放，自2000年9月開(kāi)始作為柏林電影博物館，收藏了大約26 000部德國(guó)本土和其他國(guó)家的無(wú)聲電影、有聲電影及拍攝放映設(shè)備、電影劇照、肖像、制作照片、劇本、海報(bào)、電影節(jié)目、電影票和傳記材料等。在現(xiàn)場(chǎng)，我們近距離觀察體驗(yàn)了膠片放映機(jī)、老式攝像機(jī)、老式售票機(jī)等工作原理，通過(guò)還原的微型拍攝老場(chǎng)景研究傳統(tǒng)拍攝技術(shù)的應(yīng)用，并了解第二次世界大戰(zhàn)對(duì)于德國(guó)電影進(jìn)程的影響，現(xiàn)場(chǎng)領(lǐng)略德國(guó)電影的展現(xiàn)方式。

作為柏林大型現(xiàn)代化影院，CinemaxX影院擁有19個(gè)影廳，均支持DCI 4K數(shù)字放映技術(shù)和杜比 7.1 環(huán)繞聲，其中8個(gè)影廳支持3D數(shù)字放映、2個(gè)影廳同時(shí)支持高幀率（HFR）和3D數(shù)字放映，還有2個(gè)影廳仍支持16 mm和35 mm膠片放映。該影院在2023年實(shí)施改造升級(jí)，為所有影廳安裝電動(dòng)可調(diào)節(jié)豪華皮質(zhì)座椅。改造升級(jí)后影院總座位數(shù)減少至原來(lái)的40%左右，約有一半影廳的座位數(shù)不到30個(gè)。該影院目前上映影片以美國(guó)好萊塢影片為主，票價(jià)為8~11歐元（人民幣約64~88元）。CinemaxX影院由Vue院線管理運(yùn)營(yíng)，Vue院線在德國(guó)擁有30個(gè)影院，257塊銀幕，除電影放映外，影院還開(kāi)展音樂(lè)會(huì)、歌劇、芭蕾舞表演等現(xiàn)場(chǎng)直播業(yè)務(wù)。

通過(guò)訪問(wèn)交流，我們對(duì)于電影產(chǎn)業(yè)、現(xiàn)代影院和沉浸式視聽(tīng)技術(shù)的發(fā)展與應(yīng)用趨勢(shì)，形成以下基本共識(shí)：

（1）電影產(chǎn)業(yè)高質(zhì)量可持續(xù)發(fā)展的基石始終是視聽(tīng)品質(zhì)和觀影體驗(yàn)。作為電影產(chǎn)業(yè)終端的影院，要加快成為高品質(zhì)、專(zhuān)業(yè)化、融合型業(yè)務(wù)的高端文化消費(fèi)體驗(yàn)場(chǎng)所，要為促進(jìn)電影產(chǎn)業(yè)、文化產(chǎn)業(yè)和視聽(tīng)產(chǎn)業(yè)提質(zhì)增效作出積極貢獻(xiàn)。電影級(jí)主動(dòng)發(fā)光顯示技術(shù)和沉浸式視聽(tīng)技術(shù)將是有效提升影院視聽(tīng)品質(zhì)和觀影體驗(yàn)的重要抓手，必須積極充分運(yùn)用和大力推廣應(yīng)用。

（2）我國(guó)要實(shí)現(xiàn)電影大國(guó)向電影強(qiáng)國(guó)的歷史性跨越，電影科技發(fā)展必須立足自主創(chuàng)新，積極融合應(yīng)用傳統(tǒng)技術(shù)與新興技術(shù)，加快推進(jìn)高水平自立自強(qiáng)。針對(duì)不同尺寸LED顯示屏和不同影廳建筑聲學(xué)環(huán)境，應(yīng)綜合利用LED透聲顯示屏、電影沉浸式音頻等自主技術(shù)，融合相關(guān)行業(yè)領(lǐng)域共性技術(shù)，形成最優(yōu)定制化整體解決方案，加快推進(jìn)國(guó)產(chǎn)數(shù)字電影LED放映顯示系統(tǒng)在我國(guó)影院的部署應(yīng)用，并制定完善相關(guān)技術(shù)規(guī)范與技術(shù)標(biāo)準(zhǔn)，保障LED放映業(yè)務(wù)健康有序發(fā)展。

2.2 人工智能生成內(nèi)容（AIGC）技術(shù)發(fā)展迅猛，內(nèi)容質(zhì)量與生成效率持續(xù)提升，我國(guó)電影行業(yè)要順應(yīng)生成式人工智能發(fā)展演進(jìn)趨勢(shì)，統(tǒng)籌推進(jìn)模型自主研發(fā)與行業(yè)定制改造，推動(dòng)技術(shù)研發(fā)與行業(yè)應(yīng)用不斷實(shí)現(xiàn)新突破，積極服務(wù)電影內(nèi)容生產(chǎn)與產(chǎn)業(yè)鏈提質(zhì)優(yōu)化

國(guó)際機(jī)器學(xué)習(xí)大會(huì)（ICML）由國(guó)際機(jī)器學(xué)習(xí)學(xué)會(huì)（IMLS）主辦，是國(guó)際公認(rèn)的人工智能（AI）領(lǐng)域的頂級(jí)學(xué)術(shù)會(huì)議。2024年度ICML設(shè)置了30余個(gè)專(zhuān)題論壇，包括6個(gè)特邀演講和140余個(gè)主題演講，并有2610篇論文現(xiàn)場(chǎng)展示，參會(huì)人數(shù)多達(dá)8000余人。會(huì)議內(nèi)容涵蓋人工智能預(yù)訓(xùn)練大模型、生成式人工智能、多模態(tài)大模型、具身智能（Embodied Artificial Intelligence, EAI）、人工智能安全治理等學(xué)術(shù)研討和行業(yè)應(yīng)用案例交流，代表了當(dāng)今人工智能研究的最高學(xué)術(shù)水平與前沿方向。

人工智能生成內(nèi)容（AIGC）是本次ICML會(huì)議的熱點(diǎn)與焦點(diǎn)，多個(gè)專(zhuān)題論壇和技術(shù)演講均以此為主題。代表團(tuán)重點(diǎn)關(guān)注與電影行業(yè)密切相關(guān)的圖像與視頻生成、3D模型生成、具身智能等領(lǐng)域，參加了“視頻”“強(qiáng)化學(xué)習(xí)”“大語(yǔ)言模型：代碼和算法”“結(jié)構(gòu)化概率推理與生成式模型”“智能體和世界模型”“多模態(tài)基礎(chǔ)模型與具身智能”等多個(gè)論文專(zhuān)題報(bào)告和學(xué)術(shù)研討會(huì)。下面重點(diǎn)闡述AI視頻生成、3D智能生成和具身智能。

2.2.1 AI視頻生成

AI視頻生成是備受學(xué)術(shù)界和產(chǎn)業(yè)界關(guān)注的研究領(lǐng)域。視頻生成技術(shù)發(fā)展迅速，其實(shí)現(xiàn)路徑從基于生成式對(duì)抗網(wǎng)絡(luò)（GAN）與變分自編碼器（VAE）生成，發(fā)展到基于Transformer架構(gòu)生成，并不斷演進(jìn)至當(dāng)前主流的基于擴(kuò)散模型（Diffusion Model）和DiT(Diffusion Transformer）架構(gòu)。由美國(guó)OpenAI科技公司研發(fā)的Sora視頻生成模型即基于DiT架構(gòu)，可生成60秒時(shí)長(zhǎng)、多鏡頭一致性、遵循一定物理規(guī)律的視頻。自2024年2月發(fā)布以來(lái)，Sora視頻生成質(zhì)量仍然是領(lǐng)域標(biāo)桿。國(guó)內(nèi)外其他開(kāi)閉源視頻生成模型也在快速發(fā)展，如國(guó)外Pika、Runway Gen?3、Stable Video Diffusion，國(guó)內(nèi)快手可靈、潞晨科技Open?Sora、生數(shù)科技Vidu等，在視頻時(shí)長(zhǎng)、幀率、圖像分辨率、生成效果等方面取得了顯著進(jìn)展。目前，AI視頻生成領(lǐng)域正向提升復(fù)雜場(chǎng)景/動(dòng)作生成、時(shí)間一致性、保真度、訓(xùn)練推理效率、音視頻同步等質(zhì)量和性能方面持續(xù)進(jìn)步。

本次會(huì)議論文與學(xué)術(shù)研討覆蓋多模態(tài)視頻生成、視頻理解、視頻編輯控制和視頻生成質(zhì)量評(píng)估等領(lǐng)域。谷歌研究團(tuán)隊(duì)提出Genie[1]、VideoPoet[2]等模型，實(shí)現(xiàn)文本、圖像、音頻、視頻等多種模態(tài)作為模型輸入生成相應(yīng)視頻，并支持視頻風(fēng)格化和擴(kuò)展等功能。新加坡國(guó)立大學(xué)[3]基于思維鏈（Chain?of?Thought, CoT）技術(shù)，將復(fù)雜的問(wèn)題拆分為更簡(jiǎn)單的問(wèn)題，提高模型對(duì)視頻問(wèn)答任務(wù)的性能。北京大學(xué)和快手科技公司聯(lián)合提出Video?LaVIT模型[4]，支持圖像/視頻理解、文本到圖像以及文本到視頻生成。巴黎文理研究大學(xué)[5]提出一種基于文本提示的視頻編輯方法，利用預(yù)訓(xùn)練的文本到圖像擴(kuò)散模型來(lái)處理時(shí)間和空間信息，可替換原始視頻的主體角色，并能保留原始視頻的結(jié)構(gòu)和運(yùn)動(dòng)。在視頻生成質(zhì)量評(píng)估方面，現(xiàn)階段主要側(cè)重于對(duì)音視頻同步性[6]和視頻運(yùn)動(dòng)一致性[7]的評(píng)估。

2.2.2 3D智能生成

3D模型不同于文字、圖像、視頻等數(shù)據(jù)，存在天然稀缺性，后者可在日常生活中產(chǎn)生，因而極大地制約了3D智能生成模型算法的發(fā)展，因此3D智能生成相較于其他AIGC技術(shù)仍處于發(fā)展起步階段，其生成質(zhì)量、效果與效率距離實(shí)際應(yīng)用，特別是距離電影行業(yè)應(yīng)用尚有較大差距。當(dāng)前，3D智能生成領(lǐng)域的熱點(diǎn)方向是文本生成3D模型，采用的3D表征方式多為高斯濺射（Gaussian Splatting）和神經(jīng)輻射場(chǎng)（Neural Radiance Fields, NeRF），其不同于電影制作流程通用的網(wǎng)格（Mesh）表征方式。

本次ICML會(huì)議聚焦3D模型生成質(zhì)量、生成效率和數(shù)據(jù)集三個(gè)方向。一方面，基于現(xiàn)有算法，通過(guò)改進(jìn)方法或模型表征方式，提升生成3D模型的幾何一致性與保真度。如美國(guó)Meta公司研究團(tuán)隊(duì)[8]針對(duì)目前文生3D領(lǐng)域主流技術(shù)方法的問(wèn)題，即在大規(guī)模訓(xùn)練的文生圖模型基礎(chǔ)上使用分?jǐn)?shù)蒸餾采樣（Score Distillation Sampling, SDS）或其變體訓(xùn)練模型，存在速度慢、不穩(wěn)定且易于出現(xiàn)偽影等問(wèn)題，提出一種改善方法IM?3D，將原有文生圖模型變?yōu)槲纳曨l模型，并采用高斯濺射替換原有基于神經(jīng)輻射場(chǎng)（NeRF）的3D重建，在3D生成效率、質(zhì)量和幾何一致性等方面實(shí)現(xiàn)提升。另一方面，提出全新的生成框架，以提升生成質(zhì)量與效率。如香港中文大學(xué)聯(lián)合Autodesk AI實(shí)驗(yàn)室[9]提出一種全新的3D生成模型框架Make?A?Shape，通過(guò)引入小波樹(shù)作為3D表示、制定子帶系數(shù)濾波/打包方案以及自適應(yīng)訓(xùn)練策略，實(shí)現(xiàn)對(duì)3D形狀緊湊編碼。該框架在大多數(shù)情況下生成3D模型僅需2秒。此外，3D生成領(lǐng)域積極利用成熟的大語(yǔ)言模型（LLM）和多模態(tài)大模型來(lái)提升數(shù)據(jù)集標(biāo)注的可靠性，生成渲染Python腳本實(shí)現(xiàn)自動(dòng)化渲染。

2.2.3 具身智能（Embodied AI）

伴隨大語(yǔ)言模型（LLM）、多模態(tài)模型和世界模型快速發(fā)展，智能體（Agent）對(duì)文本、視覺(jué)、聽(tīng)覺(jué)等綜合信息的處理能力同步提升，在與機(jī)器人、傳感器等技術(shù)融合后，可實(shí)現(xiàn)物理實(shí)體與環(huán)境交互獲取信息、理解問(wèn)題、做出決策并實(shí)現(xiàn)行動(dòng)，進(jìn)而產(chǎn)生智能行為，即具身智能。簡(jiǎn)言之，具身智能是一種基于物理實(shí)體進(jìn)行感知和行動(dòng)的智能系統(tǒng)，其通過(guò)智能體與環(huán)境的交互獲取信息、理解問(wèn)題、做出決策并實(shí)現(xiàn)行動(dòng)，進(jìn)而產(chǎn)生智能行為和適應(yīng)性。近兩年隨著AI技術(shù)的發(fā)展與進(jìn)步，特別是生成式AI和AI大模型的快速發(fā)展，具身智能落地應(yīng)用的可能性持續(xù)增強(qiáng)，越來(lái)越多的企業(yè)開(kāi)始布局和投身具身智能領(lǐng)域，其已成為AI領(lǐng)域的研究與應(yīng)用熱點(diǎn)。

本屆ICML會(huì)議主要針對(duì)具身智能對(duì)任務(wù)和環(huán)境的處理能力、決策能力和泛化能力，采用在線強(qiáng)化學(xué)習(xí)、多模態(tài)強(qiáng)化學(xué)習(xí)、數(shù)據(jù)采集等方式提升智能體性能，進(jìn)而提升具身智能行為能力。清華大學(xué)[10]、加州大學(xué)伯克利分校[11]、卡內(nèi)基梅隆大學(xué)[12]等學(xué)術(shù)機(jī)構(gòu)分別在策略學(xué)習(xí)、策略更新與優(yōu)化、有效訓(xùn)練等研究領(lǐng)域提出有效算法，提升強(qiáng)化學(xué)習(xí)智能體在實(shí)際應(yīng)用中的性能與表現(xiàn)。清華大學(xué)[13]、紐約大學(xué)[14]和根特大學(xué)[15]分別對(duì)多模態(tài)統(tǒng)一表征學(xué)習(xí)、多模態(tài)環(huán)境下智能體復(fù)雜行為生成、多模態(tài)基礎(chǔ)世界模型進(jìn)行研究，致力于解決智能體在復(fù)雜任務(wù)中的挑戰(zhàn)。麻省理工學(xué)院?[16]研究人員提出環(huán)境自動(dòng)化塑造方法，以解決機(jī)器人學(xué)習(xí)中環(huán)境設(shè)計(jì)需要大量人工干預(yù)、數(shù)據(jù)采集效率低下等問(wèn)題。

本屆ICML會(huì)議盡管會(huì)期長(zhǎng)達(dá)一周，但因技術(shù)方向和內(nèi)容主題較多，會(huì)議日程安排極其緊湊，每天多個(gè)專(zhuān)題報(bào)告和研討會(huì)并行舉行。代表團(tuán)通過(guò)連續(xù)幾日參會(huì)，深刻感受到大語(yǔ)言模型（LLM）、多模態(tài)大模型等技術(shù)突破和飛速進(jìn)步已帶動(dòng)AIGC各個(gè)分支領(lǐng)域快速發(fā)展，并通過(guò)垂直應(yīng)用推動(dòng)技術(shù)進(jìn)一步發(fā)展深化，進(jìn)而形成AIGC領(lǐng)域全面加速提升的發(fā)展態(tài)勢(shì)。我國(guó)電影科技應(yīng)緊跟AIGC發(fā)展趨勢(shì)，充分挖掘行業(yè)高質(zhì)量數(shù)據(jù)資源，堅(jiān)持模型自主研發(fā)與行業(yè)定制改造統(tǒng)籌推進(jìn)，積極推進(jìn)電影攝制播映裝備智能化升級(jí)，有效提升電影攝制質(zhì)量與效率，優(yōu)化影院運(yùn)營(yíng)服務(wù)管理水平效率，促進(jìn)行業(yè)整體效能提升。

2.3 AI技術(shù)應(yīng)用的安全與版權(quán)風(fēng)險(xiǎn)日益凸顯，我國(guó)電影行業(yè)要統(tǒng)籌并重AI發(fā)展與安全，強(qiáng)化AI安全治理與版權(quán)保護(hù)，積極推進(jìn)AI領(lǐng)域安全與版權(quán)保護(hù)技術(shù)研究應(yīng)用，服務(wù)行業(yè)健康有序發(fā)展

代表團(tuán)參加了ICML會(huì)議“安全與控制”“魯棒性與安全”“新一代AI安全”等多個(gè)相關(guān)主題報(bào)告與專(zhuān)題論壇，并與論文作者進(jìn)行了交流與探討。廣義上的AI安全涵蓋AI安全和版權(quán)，目前主要研究方向涉及訓(xùn)練數(shù)據(jù)、模型和生成內(nèi)容三方面。其中，數(shù)據(jù)安全問(wèn)題涉及數(shù)據(jù)授權(quán)、數(shù)據(jù)隱私、涉密數(shù)據(jù)、數(shù)據(jù)污染、數(shù)據(jù)泄露等；模型安全問(wèn)題包括越獄、濫用、竊取攻擊等；生成結(jié)果安全問(wèn)題則包括生成有害內(nèi)容、誘導(dǎo)生成帶有版權(quán)的內(nèi)容、AI生成內(nèi)容識(shí)別等。

針對(duì)以上問(wèn)題，本屆ICML會(huì)議聚焦攻擊手段、保護(hù)方法、版權(quán)標(biāo)識(shí)與識(shí)別等三類(lèi)研究成果。

2.3.1 攻擊手段

致力于研究針對(duì)訓(xùn)練數(shù)據(jù)和模型的攻擊方法，以找到安全與版權(quán)隱患，特別是低成本、高效率的攻擊手段。其中包括被評(píng)為此次會(huì)議最佳論文之一，由谷歌公司[17]牽頭實(shí)現(xiàn)的《竊取語(yǔ)言生成模型的部分內(nèi)容》（Stealing Part of a Production Language Model），以不到2000美元的成本成功竊取GPT?3.5 Turbo模型的確切隱藏維度大??；新加坡國(guó)立大學(xué)[18]提出一種后門(mén)攻擊方式，以誘使模型生成帶有版權(quán)的內(nèi)容。

2.3.2 保護(hù)手段

主要針對(duì)已發(fā)現(xiàn)的安全漏洞，探索如何以更高效的方式調(diào)整提高生成內(nèi)容的正確性與安全性。例如上海交通大學(xué)[19]提出Ethical?Lens框架，可在不更改內(nèi)部模型的情況下避免惡意使用文本到圖像模型；谷歌DeepMind[20]提出Doubly?Efficient Debate理論框架，在此框架下，兩個(gè)模型通過(guò)辯論競(jìng)爭(zhēng)取勝，盡可能精簡(jiǎn)而充分地展示任務(wù)執(zhí)行過(guò)程的正確性，以提高生成內(nèi)容的安全性；美國(guó)馬里蘭大學(xué)[21]證明帶有水印的大語(yǔ)言模型可有效避免生成帶有版權(quán)的內(nèi)容，也可減少成員推理攻擊的成功率。

2.3.3 版權(quán)標(biāo)識(shí)與識(shí)別手段

主要聚焦AI生成內(nèi)容檢測(cè)以及數(shù)字水印的智能添加與檢測(cè)，其中包括德國(guó)亥姆霍茲信息安全中心（CISPA Helmholtz Center for Information Security）[22]經(jīng)過(guò)測(cè)試證實(shí)，在噪聲、編碼、傳輸衰減等真實(shí)環(huán)境產(chǎn)生的干擾下，現(xiàn)有檢測(cè)手段對(duì)于檢出是否為AI生成音頻并不具備較強(qiáng)魯棒性；美國(guó)Meta公司[23]提出利用AI生成本地化水印檢測(cè)語(yǔ)音克隆等多篇論文。

綜上所述，伴隨AI技術(shù)飛速發(fā)展，AI安全受到廣泛關(guān)注和高度重視，研究方向攻防并重，不僅聚焦安全防范和保護(hù)技術(shù)，也注重對(duì)攻擊方法與手段的研究試驗(yàn)，以研發(fā)對(duì)應(yīng)防御辦法。電影行業(yè)在積極探索AI技術(shù)落地應(yīng)用的同時(shí)，也應(yīng)高度重視AI安全與版權(quán)問(wèn)題，統(tǒng)籌AI發(fā)展與安全，確保AI發(fā)展與應(yīng)用向上向善和服務(wù)行業(yè)。

2.4 歐盟積極謀劃和全面推進(jìn)AI基礎(chǔ)設(shè)施建設(shè)、模型研發(fā)、落地應(yīng)用與安全法案實(shí)施，努力追趕世界AI先進(jìn)水平，我國(guó)電影行業(yè)要充分利用相關(guān)新型基礎(chǔ)設(shè)施建設(shè)優(yōu)勢(shì)，加強(qiáng)頂層設(shè)計(jì)、統(tǒng)籌規(guī)劃和項(xiàng)目推進(jìn)，以AI技術(shù)深度應(yīng)用支撐服務(wù)行業(yè)提質(zhì)升級(jí)

本屆ICML會(huì)議邀請(qǐng)歐洲人工智能辦公室（European Artificial Intelligence Office）主任Lucilla Sioli女士作題為《歐盟委員會(huì)AI見(jiàn)解》的特別演講，演講主要涵蓋以下內(nèi)容：

2.4.1 關(guān)于歐盟《人工智能法案》

歐盟已制定發(fā)布《人工智能法案》（Artificial Intelligence Act），并在法案中將AI系統(tǒng)和通用AI模型按照風(fēng)險(xiǎn)程度分為不可接受風(fēng)險(xiǎn)、高風(fēng)險(xiǎn)、透明度風(fēng)險(xiǎn)、風(fēng)險(xiǎn)極小/無(wú)風(fēng)險(xiǎn)等四個(gè)等級(jí)。其中，不可接受風(fēng)險(xiǎn)等級(jí)模型將被嚴(yán)格禁止，如社會(huì)評(píng)分、無(wú)目標(biāo)的數(shù)據(jù)采集等；高風(fēng)險(xiǎn)等級(jí)模型，如涉及招聘、醫(yī)學(xué)設(shè)備等，需符合AI相關(guān)要求和事前一致性評(píng)估才可使用；透明度風(fēng)險(xiǎn)等級(jí)模型需符合透明度要求才可使用，如人機(jī)對(duì)話、圖像修改等；風(fēng)險(xiǎn)極小/無(wú)風(fēng)險(xiǎn)等級(jí)模型則無(wú)額外使用限制。此外，法案還對(duì)通用AI模型進(jìn)行了透明度規(guī)定，要求模型提供方提交技術(shù)文檔和使用說(shuō)明，公布訓(xùn)練數(shù)據(jù)摘要信息，并在此基礎(chǔ)上針對(duì)具有系統(tǒng)風(fēng)險(xiǎn)的模型（計(jì)算量超過(guò)1025 FLOPs）增加了額外要求，包括模型評(píng)測(cè)、對(duì)抗測(cè)試、系統(tǒng)風(fēng)險(xiǎn)評(píng)估與避免、事故跟蹤報(bào)告、網(wǎng)絡(luò)安全保障等。該法案已于2024年8月1日正式生效，相關(guān)規(guī)則將分階段在6個(gè)月或12個(gè)月后生效，大部分規(guī)則將于2026年8月2日生效。

2.4.2 關(guān)于歐盟AI機(jī)構(gòu)與團(tuán)隊(duì)設(shè)置

歐盟委員會(huì)于2024年5月底成立內(nèi)設(shè)機(jī)構(gòu)歐洲人工智能辦公室，負(fù)責(zé)AI法案實(shí)施、孵化AI研究創(chuàng)新項(xiàng)目和參與全球?qū)υ?，旨在推?dòng)歐洲人工智能未來(lái)發(fā)展、部署和應(yīng)用，促進(jìn)社會(huì)效益和經(jīng)濟(jì)效益提升，推進(jìn)AI創(chuàng)新和降低AI風(fēng)險(xiǎn)。此外，針對(duì)法案的制定和實(shí)施，歐盟還設(shè)立了咨詢(xún)團(tuán)隊(duì)，包括AI董事會(huì)、科學(xué)小組和咨詢(xún)團(tuán)隊(duì)。其中，AI董事會(huì)由來(lái)自歐盟各成員國(guó)的高級(jí)代表和專(zhuān)家組成，負(fù)責(zé)法案實(shí)施協(xié)調(diào)工作；科學(xué)小組成員為具有專(zhuān)業(yè)知識(shí)的專(zhuān)家，負(fù)責(zé)在法案實(shí)施過(guò)程中對(duì)潛在系統(tǒng)風(fēng)險(xiǎn)提出預(yù)警；咨詢(xún)團(tuán)隊(duì)主要負(fù)責(zé)協(xié)調(diào)平衡各方利益。

2.4.3 關(guān)于歐盟政府AI投資發(fā)展計(jì)劃

歐洲目前開(kāi)展AI技術(shù)業(yè)務(wù)的主要為6300余家初創(chuàng)公司，其中10%與生成式AI相關(guān)，而大型企業(yè)則較為保守，幾乎不涉足AI領(lǐng)域。初創(chuàng)公司在開(kāi)展AI相關(guān)業(yè)務(wù)時(shí)面臨投資不足、監(jiān)管負(fù)擔(dān)重、缺乏充足算力、數(shù)據(jù)和人才資源。針對(duì)上述情況，歐盟啟動(dòng)了“歐盟AI創(chuàng)新包”項(xiàng)目，將投資40億歐元用于AI算力設(shè)施建設(shè)、模型研發(fā)、推動(dòng)成果向市場(chǎng)轉(zhuǎn)化。其中，25億歐元用于AI算力設(shè)施建設(shè)，5億歐元用于生成式AI模型研發(fā)，涵蓋戰(zhàn)略工業(yè)產(chǎn)業(yè)、科學(xué)研究、公共事務(wù)等領(lǐng)域，包括機(jī)器人/制造業(yè)、汽車(chē)、網(wǎng)絡(luò)安全、能源、藥品等行業(yè)。在推動(dòng)AI研究成果轉(zhuǎn)化應(yīng)用方面，歐盟已啟動(dòng)歐洲地平線（Horizon Europe）、數(shù)字歐洲（Digital Europe）和歐洲創(chuàng)新委員會(huì)（European Innovation Council, EIC）加速器3個(gè)項(xiàng)目供申報(bào)，總預(yù)算約1.6億歐元，涵蓋AI大模型、模型可解釋性與魯棒性、高性能開(kāi)源基礎(chǔ)模型、生成式AI模型研發(fā)等。

綜上所述，歐洲AI技術(shù)研發(fā)、創(chuàng)新應(yīng)用和相關(guān)算力基礎(chǔ)設(shè)施建設(shè)起步較晚且發(fā)展緩慢，與美國(guó)、中國(guó)等AI領(lǐng)先國(guó)家已有較大差距。歐盟已充分認(rèn)識(shí)到該問(wèn)題，正根據(jù)歐洲AI領(lǐng)域?qū)嶋H情況，集中成員國(guó)力量，全力開(kāi)展算力基礎(chǔ)設(shè)施建設(shè)，啟動(dòng)AI技術(shù)研發(fā)和市場(chǎng)應(yīng)用項(xiàng)目，并以推動(dòng)技術(shù)創(chuàng)新與應(yīng)用為前提，率先頒布AI安全法案，全面推進(jìn)AI基礎(chǔ)研究與落地應(yīng)用。

當(dāng)前，我國(guó)算力基礎(chǔ)設(shè)施建設(shè)已達(dá)世界領(lǐng)先水平，且具有海量數(shù)據(jù)資源等優(yōu)勢(shì)。作為數(shù)字視聽(tīng)領(lǐng)域的技術(shù)引領(lǐng)者與發(fā)展制高點(diǎn)，電影行業(yè)應(yīng)適應(yīng)AI技術(shù)迅猛發(fā)展的新形勢(shì)新需求新特點(diǎn)，加強(qiáng)AI技術(shù)研發(fā)與行業(yè)應(yīng)用的頂層設(shè)計(jì)、統(tǒng)籌規(guī)劃和項(xiàng)目推進(jìn)，聯(lián)合行業(yè)內(nèi)外形成強(qiáng)大合力，加快推動(dòng)以深度學(xué)習(xí)和生成式人工智能大模型引領(lǐng)的智能計(jì)算新發(fā)展與電影行業(yè)的深度融合，積極推進(jìn)電影全產(chǎn)業(yè)鏈全價(jià)值鏈智能化升級(jí)，有力支撐和服務(wù)新時(shí)代社會(huì)主義電影強(qiáng)國(guó)建設(shè)。

3啟示及建議

2024年7月召開(kāi)的黨的二十屆三中全會(huì)審議通過(guò)了《中共中央關(guān)于進(jìn)一步全面深化改革、推進(jìn)中國(guó)式現(xiàn)代化的決定》，深入分析了新時(shí)代新征程推進(jìn)中國(guó)式現(xiàn)代化面臨的新形勢(shì)新要求，強(qiáng)調(diào)要“優(yōu)化重大科技創(chuàng)新組織機(jī)制，統(tǒng)籌強(qiáng)化關(guān)鍵核心技術(shù)攻關(guān)”“完善推動(dòng)新一代信息技術(shù)、人工智能等戰(zhàn)略性產(chǎn)業(yè)發(fā)展政策和治理體系”“推動(dòng)科技創(chuàng)新和產(chǎn)業(yè)創(chuàng)新融合發(fā)展”“探索文化和科技融合的有效機(jī)制，加快發(fā)展新型文化業(yè)態(tài)”，為推進(jìn)社會(huì)主義電影強(qiáng)國(guó)、文化強(qiáng)國(guó)和科技強(qiáng)國(guó)建設(shè)提供了發(fā)展方向和重要遵循。

電影是文化與科技的有機(jī)融合體，兼具文化屬性與科技屬性，在新興視聽(tīng)技術(shù)、新一代信息通信技術(shù)和現(xiàn)代智能科學(xué)技術(shù)的廣泛應(yīng)用與深刻影響下，電影產(chǎn)業(yè)與高新技術(shù)的融合進(jìn)程持續(xù)深化，電影產(chǎn)業(yè)加快由傳統(tǒng)視聽(tīng)產(chǎn)業(yè)向高新技術(shù)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，其兼具文化創(chuàng)意產(chǎn)業(yè)和戰(zhàn)略性新興產(chǎn)業(yè)雙重內(nèi)涵的特征愈加凸顯?；诖舜胃暗聡?guó)、奧地利開(kāi)展業(yè)務(wù)訪問(wèn)和技術(shù)交流的收獲與思考，我們立足進(jìn)一步全面深化改革、推進(jìn)中國(guó)式現(xiàn)代化國(guó)家戰(zhàn)略，智能計(jì)算時(shí)代電影行業(yè)發(fā)展需求以及新一代信息通信技術(shù)與現(xiàn)代智能科學(xué)技術(shù)演進(jìn)趨勢(shì)，經(jīng)認(rèn)真研究分析，提出以下啟示及發(fā)展建議：

3.1 運(yùn)用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、生成式AI、AI預(yù)訓(xùn)練大模型等發(fā)展成果，構(gòu)建完善以“文生電影”為核心的電影智能化創(chuàng)作生產(chǎn)技術(shù)體系，推進(jìn)電影攝制生產(chǎn)播映系統(tǒng)智能化升級(jí)改造，發(fā)展完善以現(xiàn)代智能科技為核心支撐的電影新質(zhì)生產(chǎn)力，科學(xué)精準(zhǔn)高效服務(wù)行業(yè)

智能經(jīng)濟(jì)與智能社會(huì)已成為經(jīng)濟(jì)與社會(huì)發(fā)展演進(jìn)的基本趨勢(shì)和必然要求。智能化升級(jí)是電影產(chǎn)業(yè)高質(zhì)量可持續(xù)發(fā)展的必由之路，是一項(xiàng)極其復(fù)雜、龐大的系統(tǒng)工程，必須強(qiáng)化頂層設(shè)計(jì)、立足自主創(chuàng)新和注重有序推進(jìn)。一方面，在電影行業(yè)大力發(fā)展人工智能生成內(nèi)容（AIGC），探索生成式AI技術(shù)、AI大模型、具身智能等在電影創(chuàng)作攝制等環(huán)節(jié)的應(yīng)用，結(jié)合電影視聽(tīng)技術(shù)指標(biāo)開(kāi)展定制化研發(fā)，實(shí)現(xiàn)文生圖像、文生視頻、文生3D、文生音頻、文生電影等多元化電影級(jí)智能應(yīng)用，并探索推進(jìn)國(guó)產(chǎn)電影系統(tǒng)向智能化升級(jí)改造，提升電影攝制水平、能力和效率。另一方面，統(tǒng)籌AI發(fā)展與安全，開(kāi)展電影行業(yè)AI安全治理與版權(quán)保護(hù)研究，加強(qiáng)AI領(lǐng)域技術(shù)風(fēng)險(xiǎn)管控，科學(xué)合理安全使用生成式AI和AI預(yù)訓(xùn)練大模型，確保關(guān)鍵核心技術(shù)自主安全可控，加快研究制定AI相關(guān)安全秩序準(zhǔn)則和技術(shù)標(biāo)準(zhǔn)規(guī)范，保障電影行業(yè)智能化升級(jí)健康有序推進(jìn)。

3.2 適應(yīng)大視聽(tīng)、大科學(xué)和大文化時(shí)代發(fā)展要求，充分借鑒和融合應(yīng)用數(shù)字視聽(tīng)技術(shù)領(lǐng)域發(fā)展成果，推進(jìn)高品質(zhì)沉浸式多元化攝制播映創(chuàng)新升級(jí)，加快構(gòu)建發(fā)展新型視聽(tīng)文化業(yè)態(tài)，持續(xù)優(yōu)化升級(jí)視聽(tīng)文化業(yè)務(wù)服務(wù)和產(chǎn)品供給

電影行業(yè)已經(jīng)步入大視聽(tīng)（Great Audio?Visual）、大科學(xué)（Great Science）和大文化（Big Culture）時(shí)代。一方面，學(xué)科、技術(shù)、業(yè)務(wù)、服務(wù)、產(chǎn)業(yè)、行業(yè)深度交叉和融合并進(jìn)，科學(xué)研究和技術(shù)應(yīng)用的復(fù)雜性、系統(tǒng)性、協(xié)同性顯著增強(qiáng)；另一方面，在媒體融合持續(xù)深化的背景下，視聽(tīng)產(chǎn)業(yè)和文化產(chǎn)業(yè)發(fā)展格局重構(gòu)優(yōu)化，視聽(tīng)文化業(yè)務(wù)服務(wù)模式創(chuàng)新升級(jí)和拓展延伸，覆蓋電影、電視、計(jì)算機(jī)、移動(dòng)終端、手機(jī)等多元媒體的廣義大視聽(tīng)和大文化產(chǎn)業(yè)構(gòu)建形成并不斷提質(zhì)升級(jí)。因此，融合應(yīng)用數(shù)字視聽(tīng)領(lǐng)域成熟視音頻技術(shù)和解決方案，針對(duì)影院增值業(yè)務(wù)、特種電影、特種影院、沉浸式視聽(tīng)體驗(yàn)等場(chǎng)景，探索實(shí)踐高品質(zhì)、多元化、差異化發(fā)展模式，同時(shí)發(fā)揮我國(guó)制造領(lǐng)域優(yōu)勢(shì)，加快攝制播映端國(guó)產(chǎn)核心關(guān)鍵技術(shù)與系統(tǒng)設(shè)備的研發(fā)應(yīng)用，推進(jìn)攝制播映工藝流程創(chuàng)新升級(jí)，全方位多維度提升文化產(chǎn)品質(zhì)量和視聽(tīng)體驗(yàn)。

注釋、參考文獻(xiàn)

（向下滑動(dòng)閱讀）

[1] Bruce J, Dennis M D, Edwards A, et al. Genie: Generative Interactive Environments[EB/OL].(2024?05?02)[2024?09?02]. https://openreview.net/pdf?id=bJbSbJskOS.

[2] Kondratyuk D, Yu L, Gu X, et al. Videopoet: A large language model for zero?shot video generation[EB/OL].(2024?06?04)[2024?09?02]. https://arxiv.org/pdf/2312.14125.

[3] Fei H, Wu S, Ji W, et al. Video?of?thought: Step?by?step video reasoning from perception to cognition[EB/OL].(2024?05?02)[2024?09?02]. https://openreview.net/pdf?id=fO31YAyNbI.

[4] Jin Y, Sun Z C, Xu K, et al. Video?lavit: Unified video?language pre?training with decoupled visual?motional tokenization[EB/OL].(2024?06?03)[2024?09?02].https://arxiv.org/pdf/2402.03161.

[5] Cohen N, Kulikov V, Kleiner M, et al. Slicedit: Zero?Shot Video Editing With Text?to?Image Diffusion Models Using Spatio?Temporal Slices[EB/OL].(2024?05?20)[2024?09?02]. https://arxiv.org/pdf/2405.12211.

[6] Yariv G, Gat I, Benaim S, et al. Diverse and Aligned Audio?to?Video Generation via Text?to?Video Model Adaptation[C]//Proceedings of the AAAI Conference on Artificial Intelligence 2024, 38(07):6639?6647.

[7] Liu J H, Qu Y R, Yan Q, et al. Fréchet Video Motion Distance: A Metric for Evaluating Motion Consistency in Videos[EB/OL].(2024?07?23)[2024?09?02]. https://arxiv.org/pdf/2407.16124.

[8] Melas?Kyriazi L, Laina I, Rupprecht C, et al. IM?3D: Iterative Multiview Diffusion and Reconstruction for High?Quality 3D Generation[EB/OL].(2024?02?13)[2024?09?02]. https://arxiv.org/pdf/2402.08682.

[9] Hui K H, Sanghi A, Rampini A, et al. Make?A?Shape: a Ten?Million?scale 3D Shape Model[EB/OL].(2024?05?02)[2024?09?02]. https://openreview.net/pdf?id=8l1KYguM4w.

[10] Luo Y, Ji T Y, Sun F C, et al. OMPO: A Unified Framework for RL under Policy and Dynamics Shifts[EB/OL].(2024?05?29)[2024?09?02]. https://arxiv.org/pdf/2405.19080.

[11] Lee H, Jin M, Lavaei J, et al. Pausing Policy Learning in Non?stationary Reinforcement Learning[EB/OL].(2024?05?25)[2024?09?02]. https://arxiv.org/pdf/2405.16053.

[12] Singla J, Agarwal A, Pathak D. SAPG: Split and Aggregate Policy Gradients[EB/OL].(2024?07?29)[2024?09?02]. https://arxiv.org/pdf/2407.20230.

[13] Li J X, Zheng J L, Zheng Y N, et al. Decisionnce: Embodied multimodal representations via implicit preference learning[EB/OL].(2024?05?24)[2024?09?02]. https://arxiv.org/pdf/2402.18137.

[14] Lee S, Wang Y B, Etukuru H, et al. Behavior generation with latent actions[EB/OL].(2024?06?28)[2024?09?02]. https://arxiv.org/pdf/2403.03181.

[15] Mazzaglia P, Verbelen T, Dhoedt B, et al. Multimodal foundation world models for generalist embodied agents[EB/OL].(2024?06?26)[2024?09?02]. https://arxiv.org/pdf/2406.18043.

[16] Park Y, Margolis G B, Agrawal P. Automatic Environment Shaping is the Next Frontier in RL[EB/OL].(2024?07?23)[2024?09?02]. https://arxiv.org/pdf/2407.16186.

[17] Carlini N, Paleka D, Dvijotham K, et al. Stealing Part of a Production Language Model[EB/OL].(2024?07?09)[2024?09?02]. https://arxiv.org/pdf/2403.06634.

[18] Wang H N, Shen Q L, Tong Y, et al. The Stronger the Diffusion Model, the Easier the Backdoor: Data Poisoning to Induce Copyright Breaches Without Adjusting Finetuning Pipeline[EB/OL].(2024?05?26)[2024?09?02]. https://arxiv.org/pdf/2401.04136.

[19] Cai Y Z, Yin S, Wei Y X, et al. Ethical?Lens: Curbing Malicious Usages of Open?Source Text?to?Image Models[EB/OL].(2024?04?18)[2024?09?02]. https://arxiv.org/pdf/2404.12104.

[20] Brown?Cohen J, Irving G, Piliouras G, et al. Scalable AI Safety via Doubly?Efficient Debate[EB/OL].(2023?11?23)[2024?09?02]. https://arxiv.org/pdf/2311.14125.

[21] Panaitescu?Liess M A, Che Z, An B, et al. Can Watermarking Large Language Models Prevent Copyrighted Text Generation and Hide Training Data?[EB/OL].(2024?07?24)[2024?09?02]. https://arxiv.org/pdf/2407.17417.

[22] Shaw S, Nassi B, Sch?nherr L. Generated Audio Detectors are Not Robust in Real?World Conditions[EB/OL].(2024?06?29)[2024?09?02]. https://openreview.net/forum?id=1R7RD1dfcC.

[23] San Roman R, Fernandez P, Elsahar H, et al. Proactive Detection of Voice Cloning with Localized Watermarking[EB/OL].(2024?06?06)[2024?09?02]. https://arxiv.org/pdf/2401.17264.

主管單位：國(guó)家電影局

主辦單位：電影技術(shù)質(zhì)量檢測(cè)所

標(biāo)準(zhǔn)國(guó)際刊號(hào)：ISSN 1673-3215

國(guó)內(nèi)統(tǒng)一刊號(hào)：CN 11-5336/TB

投稿系統(tǒng)：ampt.crifst.ac.cn

官方網(wǎng)站：www.crifst.ac.cn

期刊發(fā)行：010-63245081