arXiv · cs.AI · Samuele Punzo, Niccol\`o Caselli, Ippokratis Pantelidis, Francesco Massafra, Salvatore Lo Sardo, Mohammadreza Salehi · 8 小时前模型评分34
视频基础模型如何编码直觉物理？研究对比 V-JEPA、VideoMAE 与 LTX-Video
How Do Video Foundation Models Encode Intuitive Physics? Probing Across Pretraining Paradigms
导读
研究用冻结特征探针在 IntPhys2 和 Minimal Video Pairs（MVP）上对比 V-JEPA、VideoMAE 与 LTX-Video 三种预训练范式的直觉物理编码能力。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “In this work, we study whether pretrained video foundation models encode intuitive-physics information in their frozen representations, and how its accessibility varies across pretraining paradigms, layers, backbone variants, and probe types.”
来源：arXiv · cs.AI · arxiv.org