本期的 14 篇论文如下：

[00:22] 🦷 DentalGPT: Incentivizing Multimodal Complex Reasoning in Dentistry（DentalGPT：激励牙科领域多模态复杂推理）

[00:53] 🎨 SVG-T2I: Scaling Up Text-to-Image Latent Diffusion Model Without Variational Autoencoder（SVG-T2I：无需变分自编码器即可扩展文本到图像潜在扩散模型）

[01:41] 🎥 EgoX: Egocentric Video Generation from a Single Exocentric Video（EgoX：从单视角外中心视频生成自我中心视频）

[02:26] 🎬 V-RGBX: Video Editing with Accurate Controls over Intrinsic Properties（V-RGBX：基于内在属性精确控制的视频编辑）

[03:03] 🔍 Sliding Window Attention Adaptation（滑动窗口注意力适应）

[03:43] 🎬 PersonaLive! Expressive Portrait Image Animation for Live Streaming（PersonaLive！面向直播场景的富有表现力的肖像图像动画）

[04:10] 🎬 Structure From Tracking: Distilling Structure-Preserving Motion for Video Generation（基于跟踪的结构生成：为视频生成提炼结构保持的运动）

[04:41] 🎨 Exploring MLLM-Diffusion Information Transfer with MetaCanvas（探索MLLM-扩散信息传递与MetaCanvas）

[05:18] 🔄 MeshSplatting: Differentiable Rendering with Opaque Meshes（MeshSplatting：基于不透明网格的可微分渲染）

[06:02] 🤖 LEO-RobotAgent: A General-purpose Robotic Agent for Language-driven Embodied Operator（LEO-RobotAgent：一种用于语言驱动具身操作的通用机器人智能体）

[06:39] ⚡ The N-Body Problem: Parallel Execution from Single-Person Egocentric Video（N体问题：从单人第一人称视频中实现并行执行）

[07:11] 🧬 CheXmask-U: Quantifying uncertainty in landmark-based anatomical segmentation for X-ray images（CheXmask-U：X射线图像中基于解剖标志点分割的不确定性量化）

[07:52] 🏆 Task adaptation of Vision-Language-Action model: 1st Place Solution for the 2025 BEHAVIOR Challenge（视觉-语言-动作模型的任务适应：2025 BEHAVIOR挑战赛冠军方案）

[08:32] 🚀 Sharp Monocular View Synthesis in Less Than a Second（一秒钟内实现锐利的单目视图合成）

【关注我们】

您还可以在以下平台找到我们，获得播客内容以外更多信息

小红书: AI速递