Georgia Institute of Technology（佐治亚理工学院）

Structure From Tracking: Distilling Structure-Preserving Motion for Video Generation

从跟踪中获取结构：从自回归视频跟踪模型中蒸馏保持结构的运动用于视频生成

Yang Fei, George Stoica, Jingyuan Liu, Qifeng Chen, Ranjay Krishna, Xiaojuan Wang, Benlin Liu

机构 * HKUST（香港科技大学） ； University of Washington（华盛顿大学） ； Georgia Tech（佐治亚理工学院） ； Adobe（Adobe公司） 纠错

AI总结 通过蒸馏自回归视频跟踪模型中的结构保持运动先验，SAM2VideoX在视频生成任务中实现了更高的保真度和一致性。

Comments Project Website: https://sam2videox.github.io/

Benchmarking the Generality of Vision-Language-Action Models

对视觉-语言-动作模型通用性的基准测试

Pranav Guruprasad, Sudipta Chowdhury, Harsh Sikka, Mridul Sharma, Helen Lu, Sean Rivera, Aryan Khurana, Hangliang Ren, Yangyue Wang

机构 * Manifold Research ； Metarch AI ； Georgia Tech（佐治亚理工学院） ； Tufts University（塔夫茨大学） ； Northeastern University（东北大学） ； Birla Institute of Technology and Science, Pilani（比拉理工学院，帕利尼） ； Institute for Research and Innovation in Intelligent Systems (IRIIS)（智能系统研究与创新研究所） 纠错

AI总结 本文提出MultiNet v1.0基准，评估视觉-语言-动作模型在六个基础能力领域的跨领域泛化能力，发现现有模型在未见领域和模态转移时表现显著退化。

Comments 23 pages, 7 figures, and 1 table

Progress over Points: Reframing LM Benchmarks Around Scientific Objectives

基于点的进展：围绕科学目标重新构建语言模型基准测试

Alwin Jin, Sean M. Hendryx, Vaskar Nath

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Scale AI 纠错

AI总结 本文提出以科学目标为导向的语言模型基准测试环境，通过标准化数据集和训练框架，推动语言模型领域的科学进步。

Data-Driven Model Reduction using WeldNet: Windowed Encoders for Learning Dynamics

基于WeldNet的数据驱动模型降维：用于学习动态的窗口编码

Biraj Dahal, Jiahui Cheng, Hao Liu, Rongjie Lai, Wenjing Liao

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Meta ； Hong Kong Baptist University（香港 Baptist大学） ； Purdue University（普渡大学） 纠错

AI总结 WeldNet通过窗口编码和自编码器实现数据驱动的非线性模型降维，有效捕捉复杂系统的动态特性，优于传统方法。