视频动作模型泛化差距研究
peterxichen · x · 2026-07-11
作者从 Video-Action-Models（VAMs）的泛化能力出发，提出一个新的观察：视频模型骨干在组合泛化上表现更好，但 VAMs 往往做不到同样的泛化。
他们把这个现象命名为 Video-Action-Generalization（VAG） gap，并给出一项研究来解释和改进它。帖子还附带线程说明，表示后续会展开更多细节。
「研究」频道最新
- VidMap 用 RoMa 粗匹配全帧、精细匹配仅限关键帧 — ducha_aiki · 2026-09-11
- Bug Hunt Bench 作者补充:榜单噪声幅度约 2-3 分 — PawelHuryn · 2026-09-11
- 台球计算模型登 PNAS:二维系统已存在不可判定性,可跑通用计算机 — eigensteve · 2026-09-11
- 新研究:从仿射变换与重力线索求解绝对位姿 — ducha_aiki · 2026-09-11
- LoMa 论文发布 REALLY HardPairs 数据集,入选 ECCV 2026 — ducha_aiki · 2026-09-11
- JHU 开设全栈机器人学习课:组装机械臂、采数训练部署一条龙 — _krishna_murthy · 2026-09-11