12:19
官方账号arXiv cs.AI@Xinyan Chen, Ziyu Guo, Renrui Zhang, Dongzhi Jiang, Hongsheng Li
推荐理由：这篇论文用视频帧序列做推理，比传统的思维链更直观。他们把 Wan2.2 模型微调成 Wan-CoF，在多个基准上分数更高，还开源了数据集和代码。
Wan2.2-I2V-A14B
共 1 条相关 AI 资讯
7月10日
12:19
OpenCoF 是一个包含 OpenCoF-17K 数据集和 Wan-CoF 模型的推理框架，覆盖 11 个任务家族。在 4 个视频推理基准上，Wan-CoF 相比 Wan2.2-I2V-A14B 基线取得显著提升。模型引入视觉和文本推理 token，分别捕捉低级视觉线索和高级语义先验。实验通过注意力分析探讨了这些 token 在不同深度、去噪步骤、空间和时间上的贡献。