本文介绍了一种名为PEVA的模型，该模型通过学习身体关节的运动轨迹来预测自我中心视频，能够生成复杂的动作视频并支持长时间预测。PEVA在真实场景中表现优异，能够模拟人类的目标导向行为，但在规划和任务意图理解方面仍存在局限。未来研究将着重提升模型的互动性和任务导向能力。
本研究提出了多视图视觉提示融合网络（MvNet），旨在提高零样本三维形状识别的分类准确性。通过利用现成的2D预训练模型，达到了3D点云分类的最新性能。此外，研究还探讨了少样本物体检测、视角估计和3D重建等方法，并在多个数据集上展示了优越表现。
完成下面两步后，将自动完成登录并继续当前操作。
