提出模态感知在线扩散强化学习框架OmniNFT,用于联合音视频生成任务,通过模态优势路由、层级梯度裁剪与区域损失重加权解决多目标优化不匹配问题,在视听感知质量、跨模态对齐与音画同步方面实现全面改进。
机构:中科大
来源:arXiv 2605.12480 | AI4Papers 论文推荐平台