DreamX视频扩散模型作为通用潜在动作学习器

2026年11月4日，arXiv · cs.RO平台发布了DreamX视频扩散模型研究。该研究将预训练的视频扩散模型转化为通用潜在动作学习器，能够从视频模型的丰富时空特征中提取紧凑的潜在动作。DreamX的创新之处在于其高效的压缩能力，将每个潜在视频帧压缩300倍，从原来的1,200个token减少到仅4个token。这一技术突破为视频处理和动作识别领域带来了新的可能性，通过大幅减少数据量同时保留关键信息，提高了处理效率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。