视频大模型

Mitty: Diffusion-based Human-to-Robot Video Generation

Mitty：基于扩散的Human-to-Robot视频生成

Yiren Song, Cheng Liu, Weijia Mao, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） 纠错

专题命中 视频扩散模型 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV

AI总结 Mitty通过基于扩散的变换器实现端到端的人机视频生成，利用预训练模型和双向注意力机制，无需动作标签或中间抽象，生成高质量的机器人执行视频。

Vidarc: Embodied Video Diffusion Model for Closed-loop Control

Vidarc：用于闭环控制的具身视频扩散模型

Yao Feng, Chendong Xiang, Xinyi Mao, Hengkai Tan, Zuyue Zhang, Shuhe Huang, Kaiwen Zheng, Haitian Liu, Hang Su, Jun Zhu

机构 * Dept. of Comp. Sci. and Tech., Institute for AI, BNRist Center, THBI Lab, Tsinghua-Bosch Joint ML Center, Tsinghua University（计算机科学与技术系，人工智能研究院，BNRist中心，THBI实验室，清华-博世联合机器学习中心，清华大学） 纠错

专题命中 视频扩散模型 ：video diffusion(title,abstract)

AI总结 Vidarc 提出了一种基于视频扩散的具身模型，通过掩码反向动力学模型实现快速准确的闭环控制，提升了现实部署中的成功率和效率。

Dexterous World Models

灵巧世界模型

Byungjun Kim, Taeksoo Kim, Junyoung Lee, Hanbyul Joo

机构 * Seoul National University（首尔国立大学） ； RLWRLD 纠错

专题命中 视频扩散模型 ：video generation(abstract)；video diffusion(abstract)；分类 cs.CV

AI总结 灵巧世界模型通过场景-动作-条件的视频扩散框架，实现静态3D场景与灵巧人类动作的动态交互模拟，推动交互式数字双胞胎的发展。

Comments Project Page: snuvclab.github.io/dwm