cs.CV（2025-10-08）
📊 共 4 篇论文
🎯 兴趣领域导航
支柱九：具身大模型 (Embodied Foundation Models) (2)
支柱一：机器人控制 (Robot Control) (1)
支柱六：视频提取与匹配 (Video Extraction) (1)
🔬 支柱九：具身大模型 (Embodied Foundation Models) (2 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | Ming-UniVision: Joint Image Understanding and Generation with a Unified Continuous Tokenizer | Ming-UniVision：提出统一连续Tokenizer，实现图像理解与生成的联合建模。 | large language model | ||
| 2 | Cluster Paths: Navigating Interpretability in Neural Networks | 提出Cluster Paths，提升神经网络决策过程的可解释性，并用于异常检测。 | large language model |
🔬 支柱一：机器人控制 (Robot Control) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 3 | WristWorld: Generating Wrist-Views via 4D World Models for Robotic Manipulation | 提出WristWorld，通过4D世界模型从Anchor视角生成腕部视角视频，提升机器人操作性能。 | manipulation world model VGGT |
🔬 支柱六：视频提取与匹配 (Video Extraction) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 4 | OmniSAT: Compact Action Token, Faster Auto Regression | OmniSAT：紧凑动作Token，加速自回归视觉-语言-动作模型训练 | egocentric cross-embodiment vision-language-action |