DreamX：视频扩散模型可作通用潜在动作学习器

Jisoo Kim 等作者提出 DreamX，将预训练视频扩散模型改造为通用潜在动作学习器：从视频模型的时空特征中提取紧凑的潜在动作，把每个潜在视频帧从 1,200 个 token 压缩到 4 个，压缩约 300 倍。 该工作以 arXiv 论文形式发布，作者称这一改造使视频扩散模型可用于通用的潜在动作学习。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。