FloMo：用3D场景流作世界动作模型中间表示
热点事件持续更新
FloMo：用3D场景流作世界动作模型中间表示
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Jeremy Collins 等作者发布论文提出 FloMo：一个 5B 视频生成模型，经微调后预测 3D 场景流（场景中每个点的三维运动）和动作 token，用于从人类视频中学习机器人动作。 论文称，FloMo 把预测出的场景流渲染为 RGB，并编码进与视频相同的潜空间，使预训练视频生成骨干能高效适配。模型以 3D 场景流作为世界动作模型的中间表示，而不是直接以像素为输出目标。
AI 根据报道生成 · 47 分钟前更新
最新进展11月4日 13:00
FloMo：用 3D 场景流作为世界动作模型中间表示，从人类视频中学习报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · cs.AIFloMo：用 3D 场景流作为世界动作模型中间表示，从人类视频中学习
FloMo 是一个 5B 视频生成模型，经微调后预测 3D 场景流（scene flow，场景中每个点的三维运动）和动作 token，把场景流渲染为 RGB 并编码进与视频相同的潜空间，使预训练视频生成骨干能高效适配。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。