资讯摘要
论文提出 ActionRoPE，一种无参数动作接口，将动作驱动的相机位移转换为世界坐标旋转位置，使同一世界位置的 token 在时间上保持相同位置地址。作者还提出 Coordinate-Conditioned Noise Scheduling（CNS），按已知与新增区域分配逐 token 去噪调度。作者报告，与四种代表性动作条件机制相比，该方法更忠实地遵循指令运动，重访漂移较最强基线降低 66%，并可跨 1.3B 至 33B 参数视频骨干及分布外场景迁移。
要点速读
- ActionRoPE 将动作驱动的相机位移转换为世界坐标旋转位置，属无参数动作接口。
- CNS 依据初始观测覆盖区域与新增区域的结构，分配逐 token 去噪调度。
- 作者报告重访漂移较最强基线降低 66%，并可在 1.3B 至 33B 参数视频骨干间迁移。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/21 02:34:38（北京时间）。