会员服务
WAM-RL: World-Action Model Reinforcement Learning with Reconstruction Rewards and Online Video SFT
Arxiv
0+阅读 · 6月16日
MaineCoon: Pursuing A Real-Time Audio-Visual Social World Model
Arxiv
0+阅读 · 6月16日
EgoInfinity: A Web-Scale 4D Hand-Object Interaction Data Engine for Any-View Robot Retargeting and Video-to-Action Robot Learning
Arxiv
0+阅读 · 6月16日
Query-Efficient Video Adversarial Attack with Stylized Logo on Service Computing
Arxiv
0+阅读 · 6月16日
Phys4D: Fine-Grained Physics-Consistent 4D Modeling from Video Diffusion
Arxiv
0+阅读 · 6月16日
Reasoning Text-to-Video Retrieval for Operating Room Clips via Action-Driven Digital Twins
Arxiv
0+阅读 · 6月15日
4DSloMo: 4D Reconstruction for High Speed Scene with Asynchronous Capture
Arxiv
0+阅读 · 6月16日
SkillMoV: Mixture-of-View Routing with Prototype-Conditioned Gating for Unified Multi-View Proficiency Estimation
Arxiv
0+阅读 · 6月16日
Divide, Deliberate, Decide: A Multi-Agent Framework for Fine-Grained Egocentric Action Recognition
Arxiv
0+阅读 · 6月16日
BusterX: MLLM-Powered AI-Generated Video Forgery Detection and Explanation
Arxiv
0+阅读 · 6月15日
Learning QoE from Packet-Level Measurements in Encrypted Video Conferencing Traffic
Arxiv
0+阅读 · 6月15日
PermaVid: Consistent Video Generation Across Edits via Disentangled Context Memory
Arxiv
0+阅读 · 6月16日
BRDFusion: Physics Meets Generation for Urban Scene Inverse Rendering
Arxiv
0+阅读 · 6月15日
Training LLMs with Reinforcement Learning over Digital Twin Representations for Reasoning-Intensive Surgical VideoQA
Arxiv
0+阅读 · 6月15日
Contrastive Action-Image Pre-training for Visuomotor Control
Arxiv
0+阅读 · 6月15日
参考链接
微信扫码咨询专知VIP会员
Top