简介
2024年，“情智兼备的数字人与机器人的研究”入选中国科协十大前沿科学问题第1位。受此启发，本次论坛以视频生成的“智”与“情”为主题，探讨智能算法如何理解世界，以及如何在理性计算中注入情感的温度。“智”指向多模态大模型、物理仿真与时空建模的技术突破，是真实感的基石；“情”则关乎叙事节奏、审美意象与共情能力的塑造，是感染力的源泉。我们相信，真正的视频智能不止于生成画面，更在于触动人心。论坛将汇聚技术专家与创意实践者，共同追问：如何在效率与温度、写实与写意之间找到平衡，让视频生成技术不仅更聪明，也更懂我们。诚邀你一同走进这场关于未来影像的深度对话。
简介为官网原文，部分内容可能未写完。
人员
主席
- 杨巨峰 · 南开大学
嘉宾
- 刘武 · 中国科学技术大学
- 户保田 · 哈尔滨工业大学（深圳）
- 袁粒 · 北京大学
- 亓帆 · 内蒙古大学
- 折栋宇 · 中关村实验室
报告安排
情智兼备的多智能体内容生成与社交模拟
刘武 · 中国科学技术大学
简介
多模态大模型驱动的多智能体技术快速发展，为构建具备情感理解、认知推理和自主交互能力的智能体提供了全新范式。本报告聚焦“情智兼备”的多智能体内容生成与社交模拟，面向大规模社交网络中个体行为多样化、群体行为规模化和社交行为复杂化三大挑战，介绍融合认知智能与情感智能的个体多样化生成、群体大规模协同和社会动态化演化三类动态模拟引擎，探索如何实现拟人化数字人视频生成、大规模用户社交行为，构建复杂社交网络动态链接结构，进行高效信息交互与深度认知行为分析，并面向交互服务、信息传播、热点预测等重点场景开展应用。
多智能体协作的长时序视频生成：从规则可控到叙事共情
户保田 · 哈尔滨工业大学（深圳）
简介
当前主流视频生成模型普遍存在时序断裂、叙事逻辑碎片化等问题，难以兼顾内容的逻辑性与感染力，无法支撑复杂、连贯、有人文温度的视频创作。针对该痛点，我们跳出传统端到端生成范式，聚焦智能体协同生成核心路径，构建分层式视频智能体创作体系。依托团队在智能体任务规划、长时序记忆迭代、自主试错优化的系列研究积累，通过脚本拆解智能体、时序调度智能体、内容校验智能体的协同协作，实现长镜头、多场景、连贯叙事的视频自动生成，解决视频生成之“智”的可控性难题；同时基于情景记忆迭代与叙事理解能力，让生成内容匹配场景氛围与叙事情绪，补齐视频生成之“情”的表达短板。本报告将系统分享智能体视频生成的架构设计、核心技术突破与落地实践，剖析长时序生成的关键瓶颈，探讨通过智能体进化实现视频内容“逻辑可控、情感可感”的新一代生成范式。
视觉生成与理解如何走向协同统一
袁粒 · 北京大学
简介
先进的视觉生成和理解模型往往被视为两个独立架构，这不仅增加了系统的冗余，也忽略了认知心理学中“感知”与“创造”之间深刻的内在联系。本报告将深入探讨如何构建一个协同统一的视觉大模型体系，将视觉生成和理解模型重新表述为自编码器框架，通过这种视角，生成与理解被转化为信息的压缩与重建过程，从而在底层架构上实现了任务的解耦与形式的统一；同时报告也将探讨一个核心科学问题：理解是否真的能促进生成，将展示从深度分析到路径演进的最新发现，揭示理解能力如何为生成任务提供更强的语义约束和结构先验，并讨论实现这种“互惠互利”所面临的挑战与未来方向。
视频生成中的物理感知与视听情感表达
亓帆 · 内蒙古大学
简介
随着生成式模型和视听学习技术的发展，视频生成在视觉质量与时序连贯性等方面取得了较大进展，研究重点也逐步拓展至生成内容的物理合理性与情感表现力。本报告围绕物理感知与视听情感表达展开：在物理层面，关注生成内容中的运动、交互与状态变化是否符合基本物理规律；在情感层面，讨论模型如何理解情感意图，以及音乐如何参与情感表达。在此基础上，本报告将进一步讨论三维空间表示以及人物生成自然性等未来研究方向。
从视频生成到认知影响：面向认知安全的多模态内容计算
折栋宇 · 中关村实验室
简介
视频是承载信息、表达情感并影响认知的重要媒介。近年来，生成模型的发展不断提升视频内容的逼真度、表现力与可控性，也使生成内容与受众感知和判断之间的关系成为值得关注的问题。本次报告将围绕视频生成、情感感知与认知影响，介绍相关研究进展并分享工作，进一步讨论视频生成给认知安全带来的新问题。最后，对相关领域的未来发展方向进行展望。