GenDSR：从视频生成模型迁移表征用于动态空间推理

GenDSR 借视频生成模型表征提升动态空间推理，DSR-Bench 达 67.2%。

资讯摘要

论文提出 GenDSR 框架，将视频生成模型（VGM）的中间表征迁移到视觉语言模型（VLM），用于动态空间推理。方法不把 VGM 特征当作单一先验，而是构建保留整体生成上下文的原始分支与强调时间变化的差分分支，再用任务条件化的逐 token 门控融合两路信号并注入原生视觉表征。作者报告在 DSR-Bench 上达到 67.2%，超过此前最佳结果。

要点速读

1. GenDSR 将 VGM 中间表征迁移至 VLM，用于动态空间推理。
2. 框架含原始分支与差分分支，并以任务条件化逐 token 门控融合后注入视觉表征。
3. 作者报告在 DSR-Bench 上取得 67.2%，称超过此前最佳结果。

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 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。