Image de couverture de livre

Technical Report: Competition Solution For Modelscope-Sora

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Chen, Shengfu, Liu, Hailong, Wei, Wenzhao
Format:	Preprint
Publié:	2024
Sujets:	Computer Vision and Pattern Recognition Artificial Intelligence
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires

OccSora: 4D Occupancy Generation Models as World Simulators for Autonomous Driving
par: Wang, Lening, et autres
Publié: (2024)

FFA Sora, video generation as fundus fluorescein angiography simulator
par: Wu, Xinyuan, et autres
Publié: (2024)

RobustSora: De-Watermarked Benchmark for Robust AI-Generated Video Detection
par: Wang, Zhuo, et autres
Publié: (2025)

Open-Sora Plan: Open-Source Large Video Generation Model
par: Lin, Bin, et autres
Publié: (2024)

From Sora What We Can See: A Survey of Text-to-Video Generation
par: Sun, Rui, et autres
Publié: (2024)

Ovis-Image Technical Report
par: Wang, Guo-Hua, et autres
Publié: (2025)

Qwen3-VL Technical Report
par: Bai, Shuai, et autres
Publié: (2025)

Ovis-U1 Technical Report
par: Wang, Guo-Hua, et autres
Publié: (2025)

Seed1.5-VL Technical Report
par: Guo, Dong, et autres
Publié: (2025)

HunyuanOCR Technical Report
par: Hunyuan Vision Team, et autres
Publié: (2025)

Dolphin v1.0 Technical Report
par: Weng, Taohan, et autres
Publié: (2025)

Baichuan-Omni Technical Report
par: Li, Yadong, et autres
Publié: (2024)

Sora: A Review on Background, Technology, Limitations, and Opportunities of Large Vision Models
par: Liu, Yixin, et autres
Publié: (2024)

SafeSora: Towards Safety Alignment of Text2Video Generation via a Human Preference Dataset
par: Dai, Josef, et autres
Publié: (2024)

Technical Approach for the EMI Challenge in the 8th Affective Behavior Analysis in-the-Wild Competition
par: Yu, Jun, et autres
Publié: (2025)

SurgSora: Object-Aware Diffusion Model for Controllable Surgical Video Generation
par: Chen, Tong, et autres
Publié: (2024)

MASSeg : 2nd Technical Report for 4th PVUW MOSE Track
par: Cao, Xuqiang, et autres
Publié: (2025)

GR-3 Technical Report
par: Cheang, Chilam, et autres
Publié: (2025)

WorldGPT: A Sora-Inspired Video AI Agent as Rich World Models from Text and Image Inputs
par: Yang, Deshun, et autres
Publié: (2024)

MARS: Technical Report for the CASTLE Challenge at EgoVis 2026
par: Zhang, Haoyu, et autres
Publié: (2026)

MedGemma Technical Report
par: Sellergren, Andrew, et autres
Publié: (2025)

Motif-Video 2B: Technical Report
par: Lim, Junghwan, et autres
Publié: (2026)

AEMIM: Adversarial Examples Meet Masked Image Modeling
par: Xiang, Wenzhao, et autres
Publié: (2024)

MonkeyOCR v1.5 Technical Report: Unlocking Robust Document Parsing for Complex Patterns
par: Zhang, Jiarui, et autres
Publié: (2025)

ZAYA1-VL-8B Technical Report
par: Shapourian, Hassan, et autres
Publié: (2026)

PLaMo 2.1-VL Technical Report
par: Kerola, Tommi, et autres
Publié: (2026)

AndesVL Technical Report: An Efficient Mobile-side Multimodal Large Language Model
par: Jin, Zhiwei, et autres
Publié: (2025)

Ovis2.5 Technical Report
par: Lu, Shiyin, et autres
Publié: (2025)

Phi-4-reasoning-vision-15B Technical Report
par: Aneja, Jyoti, et autres
Publié: (2026)

Technical Report for Ego4D Long-Term Action Anticipation Challenge 2025
par: Chu, Qiaohui, et autres
Publié: (2025)

PhysBrain 1.0 Technical Report
par: Lian, Shijie, et autres
Publié: (2026)

iFlyBot-VLA Technical Report
par: Zhang, Yuan, et autres
Publié: (2025)

Gender Bias in Text-to-Video Generation Models: A case study of Sora
par: Nadeem, Mohammad, et autres
Publié: (2024)

ABot-N0: Technical Report on the VLA Foundation Model for Versatile Embodied Navigation
par: Chu, Zedong, et autres
Publié: (2026)

Sora as a World Model? A Complete Survey on Text-to-Video Generation
par: Puspitasari, Fachrina Dewi, et autres
Publié: (2024)

VISTA: Technical Report for the Ego4D Short-Term Object Interaction Anticipation at EgoVis 2026
par: Chu, Qiaohui, et autres
Publié: (2026)

GaussianToken: An Effective Image Tokenizer with 2D Gaussian Splatting
par: Dong, Jiajun, et autres
Publié: (2025)

ProtoArgNet: Interpretable Image Classification with Super-Prototypes and Argumentation [Technical Report]
par: Ayoobi, Hamed, et autres
Publié: (2023)

Phoenix-VL 1.5 Medium Technical Report
par: Phoenix, Team, et autres
Publié: (2026)

ICCV23 Visual-Dialog Emotion Explanation Challenge: SEU_309 Team Technical Report
par: Yuan, Yixiao, et autres
Publié: (2024)