arXiv · cs.AI · Qinglin Yang, Jiepeng Wang, Yuxing Huang, Haibin Huang, Kai Xu, Chi Zhang, Ruizhen Hu, Xuelong Li · 6 小时前模型评分33
Cycle WAM：用循环一致性耦合动作与视频
Cycle WAM: Coupling Action and Video through Cycle Consistency
导读
Cycle WAM 通过双向转换和可微的循环重建目标，把动作与视频作为因果关联的配对模态联合训练，使模型同时支持前向与逆向动力学。该方法在 LIBERO-Pro 上取得同类方法中的最优性能，并在 DROID 上显著改进 DreamZero，与 UWM 的对比显示其逆向动力学表现及更清晰的前向预测视觉细节。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：embodied-ai，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We treat video and action as paired modalities linked by this causal relationship and learn their correspondence through a unified training framework designed to better exploit pretrained video priors.”
来源：arXiv · cs.AI · arxiv.org