arXiv · cs.RO· Jisoo Kim·· 12 小时前精选AI 评分70
DreamX: 视频扩散模型作为通用潜在动作学习器
DreamX: Video Diffusion Model is a Universal Latent Action Learner
AI 导读
DreamX将预训练的视频扩散模型转化为通用潜在动作学习器，从视频模型的丰富时空特征中提取紧凑的潜在动作，将每个潜在视频帧压缩300倍（1,200→4个token）。
推荐理由
将视频扩散模型转化为通用潜在动作学习器，压缩了300倍视频帧却保留动作本质，为跨具身智能体提供了共享接口。
来源：arXiv · cs.RO · arxiv.org