上海交大联合团队发布并开源世界动作模型 SWAM

上海交大联合团队发布世界动作模型 SWAM，研究如何在语言条件下联合预测视频与动作并保持语言-视频对齐。团队整理约 4.7 万小时视频数据，比较语言-视频监督、语言-视频-动作监督及联合训练方案。