CreateAI（OTC:TSPH）今日宣布，公司兩篇研究論文《LayerAnimate: Layer-level Control for Animation》（論文鏈接：https://arxiv.org/abs/2501.08295）和《CycleVAR: Repurposing Autoregressive Model for Unsupervised One-StepImage Translation》（論文鏈接：https://arxiv.org/abs/2506.23347）獲第二十屆國際計算機視覺大會（ICCV 2025）收錄。

此次入選的2篇論文主要聚焦動漫領域的圖像與視頻生成任務，包括擴散模型、自回歸模型、可控生成、無監督圖像翻譯等關鍵技術，提出的創新方法可解決動漫圖層細粒度控制、非配對圖像生成、無監督圖像翻譯等痛點，為行業研究提供新的思路。

LayerAnimate：突破動畫生成的圖層級控制瓶頸

傳統的AI動畫生成往往以 “幀” 為單位整體處理，忽視了動畫制作中 “圖層” 這一基礎概念，導致無法對畫面元素進行精準操控。CreateAI 提出的LayerAnimate框架首次將 “圖層” 概念引入視頻生成模型，通過兩大創新實現突破：一是自動化圖層數據籌備管線，利用 SAM2 等視覺模型完成元素分割與運動聚類合并，解決圖層數據稀缺問題；二是圖層感知生成框架，支持用戶對角色、背景、特效等不同圖層施加草圖、軌跡、運動分數等差異化控制信號，實現細粒度復合控制動畫生成。

圖注：LayerAnimate框架流程圖

CycleVAR：無監督場景下的高效風格化革命

針對傳統AI風格化依賴成對數據、生成效率低的痛點，CycleVAR創新性地將自回歸模型應用于無監督動漫風格轉換。其核心突破在于：通過可微分軟量化機制（SRQ）攻克無監督訓練中梯度傳遞失效的行業難題，同時借鑒大語言模型的“提示”思想，將輸入照片作為視覺提示引導自回歸模型一步生成目標風格圖像。實驗顯示，該框架可高效將真實照片轉化為高質量動漫風格圖像，并在用戶研究中獲得了積極評價。CycleVAR為動畫美術制作提供了一種全新的高效輔助工具，有望將繁瑣的風格化過程變得簡單快捷，幫助創作者釋放更多創意。

圖注：CycleVAR框架流程圖

"論文入選是對CreateAI技術創新力的重要肯定！”CreateAI首席執行官呂程表示，“我們始終堅信AI的價值在于解決實際創作難題。LayerAnimate與CycleVAR的技術突破，本質是為動漫產業提供‘精準控制’與‘高效轉換’的雙重工具。”

以上成果與CreateAI構建“動畫創作技術-工具-內容生態系統“的戰略高度契合。公司已通過“Ruyi”圖生視頻大模型及全球首個動漫專屬AI視頻生成平臺Animon.ai展現市場領導力——Animon.ai（https://www.animon.ai/）可實現 “文字-圖像-視頻”全流程創作提效，現邀廣大創作者登錄平臺，體驗專業級AI動漫生成，見證技術驅動的創作革新。

ICCV是與CVPR、ECCV齊名的計算機視覺頂會之一，素有"錄用率嚴苛"之稱。此次論文在ICCV 2025獲得收錄，進一步強化CreateAI作為生成式AI技術與計算機視覺研究領域創新引領者的地位。據大會官方公布，ICCV 2025共收到11239份有效投稿，最終錄用2698篇，錄用率24%，會議將于10月19日至23日在夏威夷檀香山舉辦。