University of Science and Technology of China（中国科学技术大学）

EmbodiedVAE: Disentangled Video VAE for Efficient and Controllable Embodied Manipulation

EmbodiedVAE：用于高效可控具身操作的解耦视频变分自编码器

Jiayi Luo, Hanxin Zhu, Chen Gao, Jiankun Wang, Cong Wang, Tianyu He, Jianxin Li, Zhibo Chen

机构 * Beihang University（北京航空航天大学） ； Zhongguancun Academy（中关村学院） ； University of Science and Technology of China（中国科学技术大学） ； National University of Singapore（新加坡国立大学） ； CASIA, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所（CASIA）） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 针对现有潜在扩散模型适配具身操作场景的缺陷，提出EmbodiedVAE视频变分自编码器，通过双编码器架构与最优传输一致性模块实现更优重建质量、压缩率及精确动作控制。

Comments ECCV 2026

Crayotter: Learning Long-Horizon Video Editing Agents via Group-Relative Preference Backpropagation

Crayotter：通过组相对偏好反向传播学习长时程视频编辑智能体

Lecheng Yan, Jianze Lin, Yichong Zhang, Ben Pan, Wenxi Li, Chenyang Lyu, Liting Zhou, Cathal Gurrin

机构 * University of Science and Technology of China（中国科学技术大学） ； Beijing Normal University（北京师范大学） ； Jilin University（吉林大学） ； Tianjin University（天津大学） ； East China Normal University（华东师范大学） ； Alibaba Group（阿里巴巴集团） ； Dublin City University（都柏林城市大学） 纠错

AI总结 该研究提出 GRPB 方法，构建长时程视频编辑任务集，训练出的 9B Crayotter 模型在 AgenticVBench 上超越多个专有系统，实现从主观延迟结果中学习视频编辑智能体。

Comments 12 pages, 3 figures