VideoRAE: Taming Video Foundation Models for Generative Modeling via Representation Autoencoders

• 类型：arxiv
• 标识：2607.14088
• 链接：https://arxiv.org/abs/2607.14088
• 主分类：multimodal
• 形态：method
• 被引：2
• 被引来源：Semantic Scholar
• S2被引：2
• OpenAlex被引：0
• 影响力被引：0
• TLDR：VideoRAE is introduced, a representation autoencoder that converts features from a frozen video foundation model into compact, reconstruction-capable latents for video generation, establishing frozen video foundation representations as compact, versatile, and generation-friendly video latents.
• OpenAlex ID：W7169016546
• OpenAlex DOI：10.48550/arxiv.2607.14088
• DOI：10.48550/arxiv.2607.14088
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.14088
• OpenAlex更新：2026-09-07
• 待LLM分类：否
• 标题中文：VideoRAE：通过表征自编码器驯服视频基础模型用于生成建模
• TLDR中文：VideoRAE 被提出——一种表征自编码器，将冻结视频基础模型的特征转换为紧凑、可重建的潜变量以用于视频生成，使冻结视频基础表征成为紧凑、通用且面向生成的视频潜变量。
• 来源文件：
• /inbox/tom/_candidates/2026-07-20-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]