11-19 更新 实时
首页/ 多模态/ 正文

EgoGeneralist:以视频原生建模统一第一人称动作视频任务

多模态 来源:arXiv CS/CV 2026-11-06 02:58 0 阅读 机器翻译

现代视频模型具备强大的视觉先验,却无法在度量的三维空间中原生地表示人类动作。我们提出 EgoGeneralist,将预训练视频生成器改造为统一动作条件的第一人称视……

原文为英文,标题与摘要由机器翻译,完整内容请阅读原文。

本文为自动采集的摘要速览

全文正在由采集器补抓,稍后刷新本页即可看到完整译文;也可先前往来源站点阅读原文。

本文由采集器自动同步

原文发布于 arXiv CS/CV(EgoGeneralist: Unifying Egocentric Action-Video Tasks through Video-Native Modeling),标题、摘要与正文由机器翻译,术语按行业惯例统一,未经人工逐句校订。

阅读原文 ↗