arXiv · AI· Ke Yang, Zhenyu Zhang, Jun Li·· 1 天前AI 评分21
GenDSR：从视频生成模型迁移表示以增强动态空间推理
GenDSR: Transferring Representations from Video Generation Models for Dynamic Spatial Reasoning
AI 导读
GenDSR 框架将视频生成模型（VGM）的中间表示迁移至视觉语言模型（VLM），通过构建保持生成上下文的 raw 分支和强调时间变化的 delta 分支，利用任务条件 token 级门控融合信号。 在 DSR-Bench 基准测试中，GenDSR 取得 67.2% 的成绩，超越此前最佳结果，创下新的最先进状态（SOTA）。
来源：arXiv · AI · arxiv.org