**TT-VidT：解耦时间轴的高效运动中心视频预训练**

_TT-VidT: Decoupling the Temporal Axis for Efficient Motion-Centric Video Pretraining_

> HuggingFace 社区热门论文提出 TT-VidT，通过解耦时间轴实现高效视频预训练。该方法结合 DINOv3 初始化的空间路径与紧凑的时间传输层，利用差分压缩重建目标帧。在 24 组架构-目标匹配研究中，TT-VidT 在 Jester、Something-Something V2 等基准上显著超越现有方法，同时比 DisMo 和 VideoMAE 减少约 50% 的编码器计算量。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-29 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.33419)