近日，智象未来团队两项创新成果入选ICCV 2025，分别聚焦于图像生成与视频增强两个方向，全面展示了其在生成式AI技术上的突破与领先。
在图像生成方面，智象未来团队提出了全新去噪掩码自回归生成范式De-MAR，解决了自回归模型在视觉生成中的关键瓶颈。自回归模型虽在语言领域大获成功，但在图像生成中存在细节表现力不足、推理速度慢等痛点。De-MAR框架通过双重令牌优化机制，创新性引入扩散头与去噪头模块：扩散头利用交叉注意力捕捉全局上下文，提升掩码区域预测精度；去噪头动态优化已知区域令牌，减少误差累积。实验显示，De-MAR在ImageNet和MS-COCO数据集上，FID指标达1.47和5.27的顶尖水平，生成速度较DiT-XL/2快45%，打破高质量与高效率不可兼得的困境，生成图像细节更丰富、伪影更少。
在视频增强方面，团队则推出了创新的生成式视频画质增强框架GenVE，攻克传统方法细节缺失难题。其核心在于双重对齐机制：通过图像扩散模型生成语义参考，确保全局布局一致；借助局部感知交叉注意力模块，精准迁移参考图像的纹理细节至视频。同时，多重增强策略提升模型鲁棒性：噪声增强平衡质量与保真度，时间增强强化帧间连贯性，掩码策略提升特征利用率。在YouHQ40、VideoLQ等数据集上，GenVE的MUSIQ、DOVER等指标全面领先，能生动还原毛发、衣物褶皱等细节，使视频画面更自然流畅。
这两项成果分别发表于ICCV 2025 论文《Denoising Token Prediction in Masked Autoregressive Models》和《Aligning Global Semantics and Local Textures in Generative Video Enhancement》，为视觉生成技术开辟新路径，推动高质量、高效率的多模态内容生成迈向实用化，未来有望在创意设计、影视制作等领域广泛应用。
