coaf_dataset_24_25

与 coaf_dataset 同结构、同 5000 条 episode 划分（复用 coaf_dataset/splits/train_5k.json），但时间采样不同：

数据	帧数	采样索引
raw/.../rgb/	24	linspace(0, T-1, 24)
raw/.../rgb_align/	25	linspace(0, T-1, 25)，与 reason 对齐
state / action	(25, 7)	与 rgb_align、depth、pose、flow、follow 相同 reason_indices
depth / pose / flow / follow	25	由 rgb_align 或 25 帧 state 生成

每条 episode 的 manifest.json 记录 rgb_indices 与 reason_indices，便于核对对齐。

目录结构（与 coaf_dataset 对齐）

coaf_dataset_24_25/
  raw/episode_XXXXXX/
    rgb/           # 24 帧，I2V 目标视频
    rgb_align/     # 25 帧，供 depth/flow 等 reason 输入
    state/ action/ instruction/ manifest.json
  action/action_25_for_{pose,follow,flow,depth}/
  state/state_25_for_{pose,follow,flow,depth}/
  modalities/{depth,flow,pose,follow}/
  composed/
  scripts/

流水线

# 1. 从 Bridge V2 TFDS 提取 raw（CPU，约数小时）
python scripts/preprocess_raw.py --skip-existing

# 2. 复制 state/action 到各 reason 目录
python scripts/generate_action_state_25.py

# 3. 各 reason 模态（GPU，顺序或并行提交）
python scripts/batch_depth_5k.py
python scripts/batch_flow_5k.py
python scripts/batch_pose_5k.py
python scripts/batch_follow_5k.py   # 依赖 coaf_dataset/modalities/masks

# 4. 拼接训练视频（例：depth + rgb）
python scripts/compose_all.py --version v4_depth_rgb

follow 仍使用父数据集 coaf_dataset/modalities/masks 中的 object mask。

与 coaf_dataset 的差异

	coaf_dataset	coaf_dataset_24_25
RGB	25	24
reason 视频	多为 24（compose 时再采样）	原生 25
state/action（raw）	24；另用 TFDS 重采样 25 给 depth	raw 直接 25，与 reason 同索引
depth 输入	rgb/ 25 帧	rgb_align/ 25 帧

Compose 默认：--cond-frames 25 --rgb-frames 24（例如 v4：25 depth + 24 rgb = 49 帧）。