Copertina

VideoAgentTrek: Computer Use Pretraining from Unlabeled Videos

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Lu, Dunjie, Xu, Yiheng, Wang, Junli, Wu, Haoyuan, Wang, Xinyuan, Wang, Zekun, Yang, Junlin, Su, Hongjin, Chen, Jixuan, Chen, Junda, Mao, Yuchen, Zhou, Jingren, Lin, Junyang, Hui, Binyuan, Yu, Tao
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computation and Language Artificial Intelligence Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

AgentTrek: Agent Trajectory Synthesis via Guiding Replay with Web Tutorials
di: Xu, Yiheng, et al.
Pubblicazione: (2024)

Scaling Computer-Use Grounding via User Interface Decomposition and Synthesis
di: Xie, Tianbao, et al.
Pubblicazione: (2025)

Aguvis: Unified Pure Vision Agents for Autonomous GUI Interaction
di: Xu, Yiheng, et al.
Pubblicazione: (2024)

CUA-Gym: Scaling Verifiable Training Environments and Tasks for Computer-Use Agents
di: Wang, Bowen, et al.
Pubblicazione: (2026)

OpenCUA: Open Foundations for Computer-Use Agents
di: Wang, Xinyuan, et al.
Pubblicazione: (2025)

Vid-Morp: Video Moment Retrieval Pretraining from Unlabeled Videos in the Wild
di: Bao, Peijun, et al.
Pubblicazione: (2024)

LumiVideo: An Intelligent Agentic System for Video Color Grading
di: Guo, Yuchen, et al.
Pubblicazione: (2026)

Self-Improvement for Audio Large Language Model using Unlabeled Speech
di: Wang, Shaowen, et al.
Pubblicazione: (2025)

AccVideo: Accelerating Video Diffusion Model with Synthetic Dataset
di: Zhang, Haiyu, et al.
Pubblicazione: (2025)

VideoVista: A Versatile Benchmark for Video Understanding and Reasoning
di: Li, Yunxin, et al.
Pubblicazione: (2024)

ConditionVideo: Training-Free Condition-Guided Text-to-Video Generation
di: Peng, Bo, et al.
Pubblicazione: (2023)

Literacy Trek
Pubblicazione: (2019)

"The Writing Trek."
di: Bailey, Valeska
Pubblicazione: (2001)

NormalCrafter: Learning Temporally Consistent Normals from Video Diffusion Priors
di: Bin, Yanrui, et al.
Pubblicazione: (2025)

Where No Librarian Has Gone Before...The 10 Best "Star Trek" Episodes on Video.
di: Romanko, Karen A.
Pubblicazione: (1993)

Radiance-Field Reinforced Pretraining: Scaling Localization Models with Unlabeled Wireless Signals
di: Wang, Guosheng, et al.
Pubblicazione: (2025)

MoGA: Mixture-of-Groups Attention for End-to-End Long Video Generation
di: Jia, Weinan, et al.
Pubblicazione: (2025)

Video-CCAM: Enhancing Video-Language Understanding with Causal Cross-Attention Masks for Short and Long Videos
di: Fei, Jiajun, et al.
Pubblicazione: (2024)

EC-Flow: Enabling Versatile Robotic Manipulation from Action-Unlabeled Videos via Embodiment-Centric Flow
di: Chen, Yixiang, et al.
Pubblicazione: (2025)

GaussVideoDreamer: 3D Scene Generation with Video Diffusion and Inconsistency-Aware Gaussian Splatting
di: Hao, Junlin, et al.
Pubblicazione: (2025)

VideoWorld: Exploring Knowledge Learning from Unlabeled Videos
di: Ren, Zhongwei, et al.
Pubblicazione: (2025)

Baffin Island Trek
di: Dunn, John
Pubblicazione: (1996)

ShotDirector: Directorially Controllable Multi-Shot Video Generation with Cinematographic Transitions
di: Wu, Xiaoxue, et al.
Pubblicazione: (2025)

Pretrain like Your Inference: Masked Tuning Improves Zero-Shot Composed Image Retrieval
di: Chen, Junyang, et al.
Pubblicazione: (2023)

PARE: Pruning and Adaptive Routing for Efficient Video Generation
di: Wang, Yutong, et al.
Pubblicazione: (2026)

VideoVista-CulturalLingo: 360$^\circ$ Horizons-Bridging Cultures, Languages, and Domains in Video Comprehension
di: Chen, Xinyu, et al.
Pubblicazione: (2025)

VideoMAP: Toward Scalable Mamba-based Video Autoregressive Pretraining
di: Liu, Yunze, et al.
Pubblicazione: (2025)

Harnessing LLMs for Automated Video Content Analysis: An Exploratory Workflow of Short Videos on Depression
di: Liu, Jiaying Lizzy, et al.
Pubblicazione: (2024)

Harvest Video Foundation Models via Efficient Post-Pretraining
di: Li, Yizhuo, et al.
Pubblicazione: (2023)

4Diffusion: Multi-view Video Diffusion Model for 4D Generation
di: Zhang, Haiyu, et al.
Pubblicazione: (2024)

Latent Action Pretraining from Videos
di: Ye, Seonghyeon, et al.
Pubblicazione: (2024)

Learning from Online Videos at Inference Time for Computer-Use Agents
di: Liu, Yujian, et al.
Pubblicazione: (2025)

$R^2$-Tuning: Efficient Image-to-Video Transfer Learning for Video Temporal Grounding
di: Liu, Ye, et al.
Pubblicazione: (2024)

Automatic Retrieval of Specific Cows from Unlabeled Videos
di: Lyu, Jiawen, et al.
Pubblicazione: (2025)

Knowledge Circuits in Pretrained Transformers
di: Yao, Yunzhi, et al.
Pubblicazione: (2024)

Rethinking Position Embedding as a Context Controller for Multi-Reference and Multi-Shot Video Generation
di: Huang, Binyuan, et al.
Pubblicazione: (2026)

LEO: Generative Latent Image Animator for Human Video Synthesis
di: Wang, Yaohui, et al.
Pubblicazione: (2023)

CineTrans: Learning to Generate Videos with Cinematic Transitions via Masked Diffusion Models
di: Wu, Xiaoxue, et al.
Pubblicazione: (2025)

VDOT: Efficient Unified Video Creation via Optimal Transport Distillation
di: Wang, Yutong, et al.
Pubblicazione: (2025)

Nice Fold or Hero Call: Learning Budget-Efficient Thinking for Adaptive Reasoning
di: Zhou, Zhaomeng, et al.
Pubblicazione: (2026)