课题详情： 解决实时交互视频生成要求下多模态遵从、低成本部署的综合难题。 1. 在模型尺寸的限定情况下，如何保持优秀的多模态能力。 2. 如何确保流式视频模型长时间不崩坏、具备良好的空间记忆能力。 3. 如何通过有效的蒸馏、量化等综合手段降低流式视频模型的推理成本、延迟和提升流畅度。 课题要求： 1、有多模态+扩散模型和大规模训练能力； 2、有良好的Infra优化和大模型工程能力； 3、在视觉、图形学顶会发表过高质量相关论文，或在相关公司大模型重大项目、开源项目中做出过重要贡献； 4、具有良好的学界新方法的理解和认知能力。