研究工作展示

每项工作一个目录：实验记录、对比视频和交互页面。

Beyond Time Shifts ECCV 2026

画面很真，声音却穿帮：开源的音视频「因果裁判」，检查生成视频里声音和画面的因果是否对得上，并给出主流视频生成模型的排行榜。

以首帧为锚的长时说话人音视频生成：把 MiniMax-H3 的 Ref2VA 改成按块因果的流式学生，再用 Self Forcing++ 式的分段 DMD 在自身长历史上训练，让一分钟级的视频在身份、颜色、清晰度和口型上不漂。页面是 12 段留出长视频的评测对比，随训练自动更新。

资产锚定的生成式世界：把视频里的物体抬升成 3D 资产或 Blender 场景，作为证据注入世界模型（SolarWM-H3 等），让回访时物体保得住，并能编辑和控制。全部 training-free。