Mô hình thế giới egocentric đa tác nhân với tương tác hiện thân chi tiết
Bài báo giới thiệu ME-World, một mô hình thế giới egocentric đa tác nhân có khả năng sinh đồng bộ các luồng video góc nhìn thứ nhất cho nhiều tác nhân tương tác bằng các hành động chi tiết trong một môi trường chung. Mô hình khử nhiễu đồng thời nhiều luồng ego trong một chuỗi token chung, điều kiện hóa mỗi luồng theo tư thế góc nhìn mục tiêu của tất cả các tác nhân, và dùng bộ nhớ môi trường chung để duy trì tính nhất quán. Mô hình được huấn luyện và đánh giá trên cả dữ liệu thực và dữ liệu tổng hợp.
Đọc bài gốc