研究指运动VAE潜空间默认不直接兼容但可低成本校准

Iago Brito 等发布论文，通过受控的多模式运动VAE实验（HumanML3D）分析潜空间直接兼容性，指出共享参数、维度或先验并不意味着潜在坐标可直接互换，直接兼容、可恢复对应与解码器复用是不同概念。 实验显示，即使输入相同，不同模式间的原始Recall@1仅为5.9%–17.7%；但经线性校准后对应关系几乎可完全恢复。仅加入64个成对视频片段即可将原始Recall@1提升至88.4%–90.3%，token余弦相似度约为0.82。 不过交叉解码仍明显弱于原生重建，且以上结论均限于论文测试的设置。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。