cs.CV（2025-04-16）
📊 共 7 篇论文 | 🔗 1 篇有代码
🎯 兴趣领域导航
支柱九：具身大模型 (Embodied Foundation Models) (3)
支柱一：机器人控制 (Robot Control) (2 🔗1)
支柱三：空间感知与语义 (Perception & Semantics) (1)
支柱二：RL算法与架构 (RL & Architecture) (1)
🔬 支柱九：具身大模型 (Embodied Foundation Models) (3 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | WorldMem: Long-term Consistent World Simulation with Memory | WorldMem：利用记忆机制实现长期一致的世界模拟 | TAMP | ||
| 2 | The Devil is in the Prompts: Retrieval-Augmented Prompt Optimization for Text-to-Video Generation | 提出RAPO框架，通过检索增强提示优化提升文本到视频生成质量 | large language model | ||
| 3 | Interpreting the linear structure of vision-language model embedding spaces | 利用稀疏自编码器解析视觉-语言模型嵌入空间的线性结构 | multimodal |
🔬 支柱一：机器人控制 (Robot Control) (2 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 4 | Event Quality Score (EQS): Assessing the Realism of Simulated Event Camera Streams via Distances in Latent Space | 提出事件质量评分（EQS），用于评估模拟事件相机数据与真实数据的逼真度。 | sim-to-real | ✅ | |
| 5 | DG-MVP: 3D Domain Generalization via Multiple Views of Point Clouds for Classification | DG-MVP：通过点云多视角投影实现3D领域泛化分类 | sim-to-real |
🔬 支柱三：空间感知与语义 (Perception & Semantics) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 6 | How Do I Do That? Synthesizing 3D Hand Motion and Contacts for Everyday Interactions | 提出基于交互轨迹预测的3D手部动作合成方法，用于日常交互场景。 | affordance VQ-VAE |
🔬 支柱二：RL算法与架构 (RL & Architecture) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 7 | AdaVid: Adaptive Video-Language Pretraining | AdaVid：自适应视频语言预训练，提升边缘设备视频编码效率 | representation learning Ego4D |