分布流融合包含渲染计算技术和内容制作技

术。渲染计算技术利用“云”强大的计算能力,云

网边端协同渲染，解决实时海量数据的处理，并

借助AI技术提高渲染的质量和效率，通过5G网络

将不同沉浸方式、不同交互方式的XR体验传递至

各种形式的泛终端，为终端用户提供沉浸式、多

模态的卓越的XR体验。内容制作技术追求的是XR

内容具有更高的质量（UHD）、更炫的效果（仿

真）、更高的效率（制作周期）、更低的成本以

及更好的开放性，涉及到内容的采编播以及交互

等环节。XR视频还具有呈现多视角多结局、叙事

线进程可变的特点。由于虚拟现实相机涉及多镜

头同时拍摄，从而产生出视频间精准拼接缝分割

内容编辑技术。根据实现方式的不同，可分为实

时、离线拼接与自动、手动拼接等。

      设计包含六个组件的智能体框架，这些组件

包括任务指令、设计提示、语言模型、规划器、工

具使用器和输出生成器。任务指令是智能体的显

式输入，设计提示是一种额外的输入形式，用于

引导基于多级大模型Multi-LLM的智能体生成适

当的输出。对领域数据进行质量对齐和价值对齐，

通过精调形成垂直领域大模型。提出了一个大模

型与知识图谱协同的框架，LLMs和KGs分别用于

处理多模态数据和结构化数据。

      神经辐射场NeRF提供了一种通过深度多层感

知器MLP学习从音频特征到相应视觉外观的直接

映射的方法。为解决实现泛化音频唇同步、良好的

视频质量和高效的推理性能，提出分区表达神经辐

射场RX-NeRF，将人体分为头部区域和躯干区域，

使用两个单独的神经辐射场分别合成。针对头部区

域，提出了一个区域注意模块，通过区域注意力机

制生成区域感知条件特征，将音频特征输入到约束

隐式函数去生成一个条件神经辐射场，生成高时序

一致性和音频唇形准确性的长面部运动序列。利用

语调轮廓作为辅助特征，并在面部运动预测过程中

引入时间损失，并采用地标局部线性嵌入方法，以

调节预测运动序列中的异常值。针对躯干区域，由

具有自适应姿势编码的躯干NeRF进行体渲染，并

通过将头部姿态的复杂变换映射到空间坐标中以优

化头部躯干分离问题。