多模态大模型

LongVie: Multimodal-Guided Controllable Ultra-Long Video Generation

Jianxiong Gao, Zhaoxi Chen, Xian Liu, Jianfeng Feng, Chenyang Si, Yanwei Fu, Yu Qiao, Ziwei Liu

机构 * Nanjing University（南京大学） ； Fudan University（复旦大学） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； NVIDIA（NVIDIA公司） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 视频多模态 ：multimodal(title)；multi-modal(abstract)；分类 cs.CV

Comments Project page: https://vchitect.github.io/LongVie-project/

How Can Objects Help Video-Language Understanding?

Zitian Tang, Shijie Wang, Junho Cho, Jaewook Yoo, Chen Sun

机构 * Brown University（布朗大学） ； Samsung Electronics（三星电子） 纠错

专题命中 视频多模态 ：multimodal(abstract)；MLLM(abstract)；分类 cs.CV

Enhancing Long Video Question Answering with Scene-Localized Frame Grouping

Xuyi Yang, Wenhao Zhang, Hongbo Jin, Lin Liu, Hongbo Xu, Yongwei Nie, Fei Yu, Fei Ma

专题命中 视频多模态 ：multimodal(abstract)；分类 cs.CV、cs.AI

Video Is Worth a Thousand Images: Exploring the Latest Trends in Long Video Generation

Faraz Waseem, Muhammad Shahzad

机构 * University Of Reading（阅读大学） 纠错

专题命中 视频多模态 ：multimodal(abstract)；分类 cs.CV、cs.AI

Comments 35 pages, 18 figures, Manuscript submitted to ACM

Probing the Gaps in ChatGPT Live Video Chat for Real-World Assistance for People who are Blind or Visually Impaired

Ruei-Che Chang, Rosiana Natalie, Wenqian Xu, Jovan Zheng Feng Yap, Anhong Guo

机构 * University of Michigan（密歇根大学） 纠错

专题命中 视频多模态 ：multimodal(abstract)；分类 cs.AI

Comments ACM ASSETS 2025

Parameter-Efficient Single Collaborative Branch for Recommendation

Marta Moscati, Shah Nawaz, Markus Schedl

机构 * Institute of Computational Perception, Johannes Kepler University Linz（计算感知研究所，林茨约瑟夫·施密特大学） ； AI Lab, Linz Institute of Technology（林茨技术学院人工智能实验室） 纠错

专题命中 视频多模态 ：multimodal(abstract)

Comments 5 pages

Journal ref Proceedings of the Nineteenth ACM Conference on Recommender Systems (RecSys'25), September 22-26, 2025, Prague, Czech Republic. ACM, New York, NY, USA