norgitov/ trends
Технологии · люди · идеи
RSS
RUEN
К обзору/Daily Papers3 часа назад
ИсследованияDaily Papers

ALIVE: Вставка объектов с согласованным взаимодействием для редактирования видео на основе первого кадра

ALIVE — это фреймворк для вставки объектов в видео, чтобы они взаимодействовали естественно с текущим содержимым, используя отредактированный первый кадр и имя объекта. Он улучшает вставку объектов на 43,9% и 4,4% на двух бенчмарках по сравнению с сильнейшим базовым вариантом, с дополнительными улучшениями при использовании модели зрительного языка для руководства.

Открыть первоисточник
СИГНАЛ ИЗ ИСТОЧНИКА
3
голосов источника
Наблюдаем с7 октября 2026 г.3 голосов источника
Темп интереса—Нужны повторные замеры
Опубликовано6 октября 2026 г.Zhenghong Zhou, Zhe Lin, Jiebo Luo
ЗА ЦИФРАМИ

Как меняется интерес

Daily Papers

История начинает расти

График появится после повторных замеров. Текущий показатель уже получен из источника.

3 голосов источника

Только реальные замеры. История до подключения источника не восстанавливается.

ЗАЧЕМ ОБРАТИТЬ ВНИМАНИЕ

ALIVE позволяет более естественно вставлять объекты в видео, согласуя их взаимодействие с исходным содержимым, улучшая производительность на бенчмарках без необходимости дополнительного ввода пользователя, кроме начального кадра и названия объекта.

Полезная находка?
ПРОДОЛЖИ ИССЛЕДОВАНИЕ

Рядом по теме

Вся тема
Daily Papers

Ego2Act: Оценка целенаправленного манипулирования в генерации эгоцентрических видео

Ego2Act — это тестовая площадка для оценки целенаправленного манипулирования в генерации эгоцентрических видео, включающая 2 640 видео из 110 реальных задач. Она оценивает, могут ли модели генерации видео создавать реалистичные эгоцентрические видео рук, выполняющих многошаговые манипуляции с объектами для достижения высоких целей.

6 дней назадDaily Papers

World Action Learning via Interaction-Centric Spectral Latent Guidance

Learning general-purpose robot policies requires large-scale real-world interaction data, yet collecting robot demonstrations remains expensive and difficult to scale. Egocentric videos offer abundant human interaction experience with task-relevant semantics for robotic manipulation, but direct transfer is challenging for two reasons: latent actions inferred from frame reconstruction can be dominated by nuisance variation such as ego-camera motion, and human and robot behaviors often exhibit different temporal dynamics. We propose WING (World Action Learning via INteraction-Centric Spectral Latent Guidance), a framework for transferring interaction knowledge from egocentric videos to robot policies. WING first separates observer-induced motion from hand-object interaction and distills the interaction-centric component into latent actions. It then exploits the observation that cross-embodiment task semantics are concentrated in slowly varying temporal structures, identifying shared low-frequency components between egocentric latent actions and robot behaviors in the spectral domain and using them to guide action generation. WING achieves average success rates of 99.20% on LIBERO, 93.80% on RoboTwin 2.0, and 57.7% on RoboCasa-GR1, and also performs strongly across four real-world manipulation tasks under diverse generalization settings. These results show that interaction-centric spectral guidance provides an effective and scalable way to transfer physical interaction knowledge from human egocentric video to robot control. Project page: https://mikuz12.github.io/wing/

5 дней назадDaily Papers

RealCompanion: Тестирование понимания человека на основе рассуждений по долгосрочным реальным разговорам

RealCompanion представляет собой тест для оценки способности ИИ понимать людей через долгосрочные разговоры, включающий 27 218 сообщений из 10 реальных отношений. Исследование показывает, что большинство вопросов не требуют долгосрочной памяти, и существующие методы испытывают трудности в определении необходимости памяти.

6 дней назадDaily Papers

Пересмотр кросс-токенизаторного on-policy distillation: От охвата выравнивания до надежности обучения

В статье исследуется на-policy distillation (OPD) в кросс-токенизаторных условиях, с акцентом на охват выравнивания и надежность обучения. Установлено, что строгое выравнивание 1:1 охватывает большинство токенов, сгенерированных студентом, несмотря на несоответствие словарей, и что ограничение обратной KL до топ-16 подмножества общего словаря достигает сравнимой точности с полным общим словарем OPD, в то время как добавление обучения по спанам снижает точность.

вчераDaily Papers

Моделирование действий в мире с прогрессивным визуальным планированием

В данной статье представлена ProWAM, прогрессивная модель мира действий, которая предсказывает действия и разреженные визуальные подцели для управления роботами. Она улучшает планирование на длинных горизонтах, используя один проход видеобэкенда для эффективного генерирования действий и демонстрирует высокую производительность на симуляционных и реальных тестах.

6 дней назадLessWrong

Определение даты без доступа к реальному времени

Текст рассматривает сценарий, в котором ИИ должен ответить на вопрос «Какая сегодня дата?», не имея доступа к реальному времени. Обсуждается проблема предоставления точной даты без выдумывания, учитывая обучение OpenAI на избегании ложной информации. Текст предполагает версии моделей и даты окончания знаний, но признает неопределенность из-за отсутствия явной информации.

6 дней назад