VITAL动作分词器技术报告发布

Ao Liang等作者发布技术报告，提出一种名为VITAL（Vision-Induced Tokens for Action Learning）的动作分词器。据报告描述，该方法将视觉导出的运动骨架与一个紧凑残差耦合，该残差用于编码骨架留下的轨迹误差，使视觉运动成为主要预测目标。 报告将VITAL定位为动作分词器，核心设计是让视觉导出的运动骨架承担主要预测任务，残差则补充骨架未能覆盖的轨迹偏差。目前公开信息仅来自该技术报告本身，尚无独立验证或应用结果。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。