11:44
官方账号arXiv cs.AI@Yafei Zhang, Nan Wu
73°
推荐理由：AcrossVAM1.0通过粒子动力学显著提升机器人视频预测精度，但语言引导和外观传递仍是主要挑战。
AcrossVAM1.0
共 1 条相关 AI 资讯
8月31日
11:44
AcrossVAM1.0是一个轻量级文本辅助视频动作模型，将未来预测分解为物体中心运动和密集外观。该模型使用0.28M参数的时空Transformer，通过冻结的OpenCLIP指令嵌入进行调制。在VRS基准测试上，粒子动力学将轨迹误差降低21.0%，未来帧PSNR/SSIM从19.97/0.796提升至20.573/0.8004，运动区域PSNR从11.89提升至13.23。