课题详情： 课题背景： 图文场景的理解生成统一模型已经有了不错的进展，但是围绕视频领域的相关研究方兴未艾。本课题希望围绕数据构建、模型架构、模型算法三个维度探索围绕视频场景的统一模型研发范式。 课题挑战： 1、视频编辑的预训练数据构造与算法； 2、支持30s-60s的高效音视频生成架构； 3、高效的预训练和后训练算法； 具体工作： 你将在团队现有数据、模型、训练框架的技术上进行探索，全链路参与到视频场景的理解生成统一模型的研发当中。 课题要求： 1、包含但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学、物理学/量子计算、信息安全、信号与信息处理等相关专业的优秀硕士和博士； 2、在CVPR、ICCV、ECCV、NeurIPS、 ICLR等顶会发表一作论文 3、有丰富的大模型方向项目或实习经验