arXiv Computer Vision· Ao Liang, Youquan Liu, Mingxiao Li, Wei Chow, Lingdong Kong, Yue Liao, Dongyue Lu, Yu Yang, Wei Yin, Runnan Chen·· 4 小时前AI 评分24
VITAL：从视觉运动到精确动作
VITAL: From Visual Motion to Precise Action
AI 导读
VITAL（Vision-Induced Tokens for Action Learning）是一种动作 tokenizer，将视觉导出的运动骨架与编码轨迹误差的紧凑残差耦合，让视觉运动成为主要预测目标。
来源：arXiv Computer Vision · arxiv.org