加州圣地亞哥和北京，2025年7月1日——CreateAI（OTC:TSPH）今日宣布，公司兩篇研究論文《LayerAnimate: Layer-level Control for Animation》（論文鏈接：）和《CycleVAR: Repurposing Autoregressive Model for Unsupervised One-StepImage Translation》（論文鏈接：）獲第二十屆國際計算機視覺大會（ICCV 2025）收錄。
此次入選的2篇論文主要聚焦動漫領(lǐng)域的圖像與視頻生成任務(wù)，包括擴散模型、自回歸模型、可控生成、無監(jiān)督圖像翻譯等關(guān)鍵技術(shù)，提出的創(chuàng)新方法可解決動漫圖層細粒度控制、非配對圖像生成、無監(jiān)督圖像翻譯等痛點，為行業(yè)研究提供新的思路。
LayerAnimate：突破動畫生成的圖層級控制瓶頸
傳統(tǒng)的AI動畫生成往往以 “幀” 為單位整體處理，忽視了動畫制作中 “圖層” 這一基礎(chǔ)概念，導(dǎo)致無法對畫面元素進行精準操控。CreateAI 提出的LayerAnimate框架首次將 “圖層” 概念引入視頻生成模型，通過兩大創(chuàng)新實現(xiàn)突破：一是自動化圖層數(shù)據(jù)籌備管線，利用 SAM2 等視覺模型完成元素分割與運動聚類合并，解決圖層數(shù)據(jù)稀缺問題；二是圖層感知生成框架，支持用戶對角色、背景、特效等不同圖層施加草圖、軌跡、運動分數(shù)等差異化控制信號，實現(xiàn)細粒度復(fù)合控制動畫生成。
圖注：LayerAnimate框架流程圖
CycleVAR：無監(jiān)督場景下的高效風(fēng)格化革命
針對傳統(tǒng)AI風(fēng)格化依賴成對數(shù)據(jù)、生成效率低的痛點，CycleVAR創(chuàng)新性地將自回歸模型應(yīng)用于無監(jiān)督動漫風(fēng)格轉(zhuǎn)換。其核心突破在于：通過可微分軟量化機制（SRQ）攻克無監(jiān)督訓(xùn)練中梯度傳遞失效的行業(yè)難題，同時借鑒大語言模型的“提示”思想，將輸入照片作為視覺提示引導(dǎo)自回歸模型一步生成目標(biāo)風(fēng)格圖像。實驗顯示，該框架可高效將真實照片轉(zhuǎn)化為高質(zhì)量動漫風(fēng)格圖像，并在用戶研究中獲得了積極評價。CycleVAR為動畫美術(shù)制作提供了一種全新的高效輔助工具，有望將繁瑣的風(fēng)格化過程變得簡單快捷，幫助創(chuàng)作者釋放更多創(chuàng)意。
圖注：CycleVAR框架流程圖
"論文入選是對CreateAI技術(shù)創(chuàng)新力的重要肯定！”CreateAI首席執(zhí)行官呂程表示，“我們始終堅信AI的價值在于解決實際創(chuàng)作難題。LayerAnimate與CycleVAR的技術(shù)突破，本質(zhì)是為動漫產(chǎn)業(yè)提供‘精準控制’與‘高效轉(zhuǎn)換’的雙重工具。”
以上成果與CreateAI構(gòu)建“動畫創(chuàng)作技術(shù)-工具-內(nèi)容生態(tài)系統(tǒng)“的戰(zhàn)略高度契合。公司已通過“Ruyi”圖生視頻大模型及全球首個動漫專屬AI視頻生成平臺Animon.ai展現(xiàn)市場領(lǐng)導(dǎo)力——Animon.ai（）可實現(xiàn) “文字-圖像-視頻”全流程創(chuàng)作提效，現(xiàn)邀廣大創(chuàng)作者登錄平臺，體驗專業(yè)級AI動漫生成，見證技術(shù)驅(qū)動的創(chuàng)作革新。
ICCV是與CVPR、ECCV齊名的計算機視覺頂會之一，素有"錄用率嚴苛"之稱。此次論文在ICCV 2025獲得收錄，進一步強化CreateAI作為生成式AI技術(shù)與計算機視覺研究領(lǐng)域創(chuàng)新引領(lǐng)者的地位。據(jù)大會官方公布，ICCV 2025共收到11239份有效投稿，最終錄用2698篇，錄用率24%，會議將于10月19日至23日在夏威夷檀香山舉辦。
免責(zé)聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權(quán)歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關(guān)。文章僅供讀者參考，并請自行核實相關(guān)內(nèi)容。投訴郵箱：editor@fromgeek.com。
免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。
