视频大模型

VideoLLaMB: Long Streaming Video Understanding with Recurrent Memory Bridges

Yuxuan Wang, Yiqi Song, Cihang Xie, Yang Liu, Zilong Zheng

机构 * NLCo Lab, State Key Laboratory of General Artificial Intelligence, BIGAI（NLCo实验室、国家一般人工智能重点实验室、BIGAI） ； School of Computer Science & Technology, Beijing Institute of Technology（计算机科学与技术学院、北京理工大学） ； Computer Science and Engineering, University of California（计算机科学与工程系、加州大学） ； Wangxuan Institute of Computer Technology, Peking University（王轩计算机技术研究所、北京大学） 纠错

专题命中 长视频与时序推理 ：video understanding(title,abstract)；video-language(abstract)；long video(abstract)；分类 cs.CV

Comments To appear at ICCV 2025

VRBench: A Benchmark for Multi-Step Reasoning in Long Narrative Videos

Jiashuo Yu, Yue Wu, Meng Chu, Zhifei Ren, Zizheng Huang, Pei Chu, Ruijie Zhang, Yinan He, Qirui Li, Songze Li, Zhenxiang Li, Zhongying Tu, Conghui He, Yu Qiao, Yali Wang, Yi Wang, Limin Wang

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Nanjing University（南京大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究所，中国科学院） 纠错

专题命中 长视频与时序推理 ：long video(abstract)；分类 cs.CV、cs.MM

Comments ICCV2025

$I^{2}$-World: Intra-Inter Tokenization for Efficient Dynamic 4D Scene Forecasting

Zhimin Liao, Ping Wei, Ruijie Zhang, Shuaijia Chen, Haoxuan Wang, Ziyang Ren

机构 * National Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家级重点实验室） ； Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（人工智能与机器人学院，西安交通大学） 纠错

专题命中 长视频与时序推理 ：video generation(abstract)；分类 cs.CV