DreamX: 视频扩散模型作为通用潜在动作学习者

DreamX 利用预训练视频扩散模型作为通用潜在动作学习者，在 LARY-Bench 基准测试中取得潜在动作模型的最先进性能。 该方法将视频帧压缩 300 倍（从 1,200 到 4 个 token），提取解耦视觉外观的潜在动作，支持跨形态的零样本动作迁移。 这种共享动作接口实现了任意到任意的视频迁移，并降低了基于视频扩散策略的计算成本。