视频大模型

Spatial Policy: Guiding Visuomotor Robotic Manipulation with Spatial-Aware Modeling and Reasoning

Yijun Liu, Yuwei Liu, Yuan Meng, Jieheng Zhang, Yuwei Zhou, Ye Li, Jiacheng Jiang, Kangye Ji, Shijia Ge, Zhi Wang, Wenwu Zhu

机构 * Tsinghua University（清华大学） ； Beijing University of Technology（北京理工大学） ； Guangzhou University（广州大学） 纠错

专题命中 视频生成 ：video generation(abstract)；分类 cs.CV

GAIS: Frame-Level Gated Audio-Visual Integration with Semantic Variance-Scaled Perturbation for Text-Video Retrieval

Bowen Yang, Yun Cao, Chen He, Xiaosu Su

机构 * School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） 纠错

专题命中 视频生成 ：text-to-video(abstract)；分类 cs.CV

Comments 13 pages