视频训练先别拆成JPEG!北大、清华让载荷少58.7%,读取还更快

arXiv每日学术速递 2026年10月28日 查看原文

已收录文章摘要,完整内容可前往原文阅读。

论文导读北京大学、清华大学团队重新设计了AI训练视频的编码与读取方式:抽到哪帧,就尽量只重建它和必需的参考帧。在三套机器人数据、画质接近的比较中,H.265 DDRA配置相对论文采用的LeRobot