TTF-VLA: Temporal Token Fusion via Pixel-Attention Integration for Vision-Language-Action Models

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Liu, Chenghao, Zhang, Jiachen, Li, Chengxuan, Zhou, Zhimu, Wu, Shixin, Huang, Songfang, Duan, Huiling
Formato:	Preprint
Publicado:	2025
Materias:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning Robotics
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2508.19257