跳到正文
arXiv · 机器人与计算机视觉· Adrien Ramanana Rahary, Yutong Bai, Nicolas Dufour, Patrick P\'erez, David Picard·· 28 天前AI 评分74

重新思考视频自编码器以构建交互式世界模型:CADRE 系列研究

Rethinking Video Autoencoders for Interactive World Models

AI 导读

论文提出 CADRE,这是一个开放的因果扩散表示自编码器家族,旨在解决现有视频世界模型复用文本生成模型且无法针对代理等待时间进行压缩优化的问题。该系列通过冻结特征瓶颈和蒸馏解码器,在操作(manipulation)与导航(navigation)两个领域的四个环境中训练,探索了不同时空压缩策略对延迟 - 质量前沿的影响。

来源:arXiv · 机器人与计算机视觉 · arxiv.org