VANE：嵌入空间下一帧预测的视觉预训练框架
热点事件持续更新
VANE：嵌入空间下一帧预测的视觉预训练框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Yifeng Yao 等作者发布自监督视觉预训练框架 VANE 的论文，通过在嵌入空间预测下一帧学习时序演化。论文称，在 EPIC-KITCHENS-100 动作预期任务上，VANE 的 mean-class recall@5 超过 V-JEPA 2.1 达 7.1 个百分点。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
VANE：基于下一帧预测的统一可扩展视觉世界建模自监督框架报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AIVANE：基于下一帧预测的统一可扩展视觉世界建模自监督框架
论文提出 VANE，一种在嵌入空间进行下一帧预测的自监督视觉预训练框架，通过因果编码器、状态预测器与冻结语义 tokenizer 学习时序演化，辅以轻量生成解码器保留空间细节，并用局部到全局裁剪序列统一图像与视频建模。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。