V
主页
Video as the New Language for Real-World Decision Making
发布人
【加群】 一起来刷arxiv,请加vx: pwbot02(请备注:b站arxiv) 【论文标题】 Video as the New Language for Real-World Decision Making 【论文简述】 这篇论文关于视频生成的应用机遇和挑战进行了探讨。作者指出,虽然互联网上的文本和视频数据都很丰富,并且可以通过预测下一个标记或帧来支持大规模的自监督学习,但它们的应用却存在差异。语言模型在现实世界中取得了重大影响,而视频生成在很大程度上仅限于媒体娱乐。然而,视频数据能捕捉到有关物理世界的重要信息,这在语言中很难表达。为了弥补这一差距,作者讨论了将视频生成扩展到解决现实世界任务的机会。作者观察到,与语言类似,视频可以作为一个统一的接口,吸收互联网的知识并表示多样的任务。此外,作者演示了视频生成如何像语言模型一样可以通过上下文学习、规划和强化学习等技术成为规划者、代理、计算引擎和环境模拟器。作者还确定了在机器人、自动驾驶和科学等领域的重大影响机会,并提供了最近的研究支持,证明了视频生成的这些高级能力很可能实现。最后,作者还指出了视频生成面临的主要挑战,这些挑战将有助于视频生成模型在更广泛的AI应用中展示与语言模型相辅相成的独特价值。 【论文链接】 https://arxiv.org/abs/2402.17139
打开封面
下载高清视频
观看高清视频
视频下载器
ミニ特攻隊ジャスティスタイタンvs超次元創世王警察車救急車消防車ヘリコプター自動車ロボット玩具変身合体比較映像
SOTOPIA-$π$: Interactive Learning of Socially Intelligent Language Agents
超越GPT-4o,阿里新开源Qwen2-VL视觉语言模型
Let's Synthesize Step by Step: Iterative Dataset Synthesis with Large Language M
LLM Comparator: Visual Analytics for Side-by-Side Evaluation of Large Language M
VideoCrafter2: Overcoming Data Limitations for High-Quality Video Diffusion Mode
ShortGPT: Layers in Large Language Models are More Redundant Than You Expect
最新版 特斯拉 FSD(监督版) 官方测试视频
VLOGGER: Multimodal Diffusion for Embodied Avatar Synthesis
ROS机器人自动驾驶,自主导航巡检车可作为高校车辆工程、智慧交通、自动化等多专业的实践教学工具
VideoCon: Robust Video-Language Alignment via Contrast Captions
Large Language Model Cascades with Mixture of Thoughts Representations for Cost-
CLEX: Continuous Length Extrapolation for Large Language Models
做了一个时速超过一百每小时的扫地机器人
4K4D: Real-Time 4D View Synthesis at 4K Resolution
基于文本和图像的高质量视频生成技术研究
Can a student Large Language Model perform as well as it's teacher?
Runwayml Gen3 Turbo制作的AI音乐视频MV:《The Isle of Time》时间之岛
参数化视频~Revideo教程系列
Ranking LLM-Generated Loop Invariants for Program Verification
LayoutPrompter: Awaken the Design Ability of Large Language Models
ReFT: Reasoning with Reinforced Fine-Tuning
TinyLlama:开源小型语言模型的新突破
发布会:AI时代智驾轿车极越07重磅发布 百度吉利联合打造 宁德时代电池装甲
Offline Actor-Critic Reinforcement Learning Scales to Large Models
宇树让AI教机器人打篮球,只为了G1太美
致2025工创物流搬运小车
FSD V12.5.1.5中文首测,参数大5倍的模型,体验下来怎么样?
FreeControl:实现任意文本到图像扩散模型的无训练空间控制
Anything in Any Scene: Photorealistic Video Object Insertion
【开源】低成本DIY自动驾驶小车
66元体验一周WeWork办公,亲手打造酷炫AI应用
Improving Large Language Model Fine-tuning for Solving Math Problems
ADaPT: As-Needed Decomposition and Planning with Language Models
AI视频哪家强?luma 可灵 vidu AI生成效果测评
2024年广东省工程实践与创新能力大赛,智能物流搬运赛项,初赛,B37,2024年7月27日
四足legged_control实机调试
Gen-3 Alpha Turbo 图像转视频可以使用啦,生成速度提高了 7 倍!
真假端到端 | 华为、小鹏如何抵御特斯拉FSD
什么是端到端,一分钟带您了解#智能驾驶