前几天，谷歌在 I/O 2025 大会上正式发布了其最新一代 AI 视频生成模型 Veo 3，在生成高质量视频的同时首次实现了音画同步。对于 Veo 3 的震撼效果，有人高度评价称，「它会是不亚于 OpenAI Sora 的跨时代产品」，标志着 AI 视频进入到了真正的「有声时代」。

从中可以发现，虽然当前 AI 社区已有的大模型已经足够惊艳，但得益于架构的创新、算力集群的投入，仍然会「卷」出一些新东西来。比如视频生成领域，从最初的无声进化到如今的有声，提升明显；再比如多模态领域，逐渐朝着理解与生成大一统的方向演进。

因此，为让从业者全面了解 AI 社区涌现的最新创新成果和发展趋势，机器之心计划 6 月 8 日在北京举办「CVPR 2025 论文分享会」，围绕着多模态、视频生成等热门主题邀请顶级专家、论文作者与现场参会观众共同交流。

作为计算机视觉领域中最重要的国际会议之一，CVPR 具有极高的含金量，每年都会吸引大量研究机构和高校参会。今年，CVPR 2025 共收到 13008 份论文投稿，最终接收 2878 篇论文，整体接收率为 22.1%。

作为一场为国内 AI 人才打造的盛会，本次论文分享会设置了 Keynote、论文分享、圆桌对话、Poster 交流及企业展位交流等丰富环节。今天，论文分享会的全日程、Keynote 分享嘉宾及演讲主题正式公布，感兴趣的读者可以继续扫描文中二维码报名。

Keynote 嘉宾及演讲主题

【上午 Keynote】高林 基于混合表达与生成模型的可视媒体合成与编辑方法

分享人介绍：高林，中国科学院计算技术研究所研究员、中国科学院大学岗位教授。研究方向为计算机图形学、三维计算机视觉。在 SIGGRAPH、TPAMI、TVCG 等期刊会议发表论文 100 余篇。现任或者曾任亚洲图形学学会秘书长，作为项目负责人承担国家重点研发计划、基金委优青等项目，曾获得亚洲图形学会青年学者奖等奖励。

分享摘要：在本次报告中，我们将分析最近几何表征发展的特点，分析内在的规律，介绍几何表征的挑战和相关应用。介绍高斯泼溅的最新进展，包括如何对高斯泼溅进行大尺度变形、解耦和重光照，以及如何对基于高斯泼溅表征的数字人进行实时重光照。 同时，生成模型不仅在影响三维重建的方法，还给渲染带来了新的求解思路。其中，视频生成模型给生成式渲染带来了全新的思路。我们将介绍基于生成模型的视频编辑与合成方法，将介绍基于线稿交互的视频编辑方法，和基于点云几何先验的大视角视频编辑与合成方法。

【下午 Keynote】黄雷 从表征和学习视角议多模态大模型的统一之路

分享人介绍：黄雷，北京航空航天大学人工智能学院副教授。本科和博士均毕业于北京航空航天大学，曾在美国密歇根大学访学和阿联酋 IIAI 工作。研究主要集中在深度神经网络架构、训练技术及理论分析，出版首部关于 DNNs 中 Normalization 技术的英文专著，主导训练发布 TinyLLaVA 系列模型及 TinyLLaVA Factory 开源项目，曾以一作兼通讯作者身份获 CVPR 2020 最佳论文提名奖。

分享摘要：大语言模型以离散化词汇表示和上下文建模学习统一了各类自然语言理解和生成任务。过去几年，这类统一建模思想也蔓延至视觉、语音以及其它非结构化类数据，促进了「统一」的多模态大模型发展。本报告首先从表征和学习视角，以抽象的形式探讨了条件概率模型在建模任意问题的可行性，然后以统一建模为指导思想，概述了近年来语言和多模态建模的主要发展路线，最后介绍了报告人课题组在针对该议题研究中一些基础问题的研究进展和相关展望。

Poster

在本次论文分享会中，将会有一批论文作者进行论文分享与 Poster 展示，感兴趣的读者可以通过下图了解具体信息：