视频大模型

Trokens: Semantic-Aware Relational Trajectory Tokens for Few-Shot Action Recognition

Pulkit Kumar, Shuaiyi Huang, Matthew Walmer, Sai Saketh Rambhatla, Abhinav Shrivastava

机构 * University of Maryland, College Park（马里兰大学学院公园分校） 纠错

专题命中 视频理解 ：video understanding(abstract)；分类 cs.CV

Comments Accepted at ICCV 2025; First two authors contributed equally

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 视频生成 ：video generation(title,abstract)；long video(title,abstract)；分类 cs.CV

Comments 35 pages, 18 figures, Manuscript submitted to ACM

FastInit: Fast Noise Initialization for Temporally Consistent Video Generation

Chengyu Bai, Yuming Li, Zhongyu Zhao, Jintao Chen, Peidong Jia, Qi She, Ming Lu, Shanghang Zhang

机构 * Peking University（北京大学） ； ByteDance（字节跳动） 纠错

专题命中 视频生成 ：video generation(title,abstract)；text-to-video(abstract)；分类 cs.CV

D3: Training-Free AI-Generated Video Detection Using Second-Order Features

Chende Zheng, Ruiqi suo, Chenhao Lin, Zhengyu Zhao, Le Yang, Shuai Liu, Minghui Yang, Cong Wang, Chao Shen

机构 * Xi’an Jiaotong University（西安交通大学） ； Guangdong OPPO Mobile Communications Co., Ltd.（广东OPPO移动通信有限公司） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 视频生成 ：video generation(abstract)；分类 cs.CV

Comments 8 pages, 4 figures

Individual Content and Motion Dynamics Preserved Pruning for Video Diffusion Models

Yiming Wu, Zhenghao Chen, Huan Wang, Dong Xu

机构 * The University of Hong Kong（香港大学） ； University of Newcastle（新castle大学） ； Westlake University（西湖大学） 纠错

专题命中 视频扩散模型 ：video diffusion(title,abstract)；video generation(abstract)；text-to-video(abstract)；分类 cs.CV、eess.IV

Comments ACM MM 2025

V.I.P. : Iterative Online Preference Distillation for Efficient Video Diffusion Models

Jisoo Kim, Wooseok Seo, Junwan Kim, Seungho Park, Sooyeon Park, Youngjae Yu

机构 * Yonsei University（延世大学） 纠错

专题命中 视频扩散模型 ：video diffusion(title)；video generation(abstract)；text-to-video(abstract)；分类 cs.CV

Comments ICCV2025 accepted

Decouple and Track: Benchmarking and Improving Video Diffusion Transformers for Motion Transfer

Qingyu Shi, Jianzong Wu, Jinbin Bai, Jiangning Zhang, Lu Qi, Yunhai Tong, Xiangtai Li

机构 * PKU（北京大学） ； NTU（国立新加坡大学） ； NUS（新加坡国立大学） ； ZJU（浙江大学） ； UC Merced（加州大学默塞德分校） 纠错

专题命中 视频扩散模型 ：video diffusion(title,abstract)；分类 cs.CV

Comments ICCV 2025

VideoGuard: Protecting Video Content from Unauthorized Editing

Junjie Cao, Kaizhou Li, Xinchun Yu, Hongxiang Li, Xiaoping Zhang

专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV

Comments ai security, 10pages, 5 figures

DreamVVT: Mastering Realistic Video Virtual Try-On in the Wild via a Stage-Wise Diffusion Transformer Framework

Tongchun Zuo, Zaiyu Huang, Shuliang Ning, Ente Lin, Chao Liang, Zerong Zheng, Jianwen Jiang, Yuan Zhang, Mingyuan Gao, Xin Dong

机构 * ByteDance Intelligent Creation（字节跳动智能创作） 纠错

专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV

Comments 18 pages, 12 figures

Causally Steered Diffusion for Automated Video Counterfactual Generation

Nikos Spyrou, Athanasios Vlontzos, Paraskevas Pegios, Thomas Melistas, Nefeli Gkouti, Yannis Panagakis, Giorgos Papanastasiou, Sotirios A. Tsaftaris

机构 * Spotify, UK（英国Spotify） 纠错

专题命中 视频扩散模型 ：video generation(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 视频问答 ：long video(title,abstract)；video understanding(abstract)；分类 cs.CV

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 视频问答 ：video-language(title)；分类 cs.CV

VideoForest: Person-Anchored Hierarchical Reasoning for Cross-Video Question Answering

Yiran Meng, Junhong Ye, Wei Zhou, Guanghui Yue, Xudong Mao, Ruomei Wang, Baoquan Zhao

机构 * Sun Yat-Sen University（中山大学） ； Cardiff University（卡地夫大学） ； Shenzhen University（深圳大学） 纠错

专题命中 视频问答 ：video understanding(abstract)；video reasoning(abstract)；分类 cs.CV、cs.MM

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 长视频与时序推理 ：video generation(title,abstract)；long video(title,abstract)；分类 cs.CV

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

Multi-human Interactive Talking Dataset

Zeyu Zhu, Weijia Wu, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） 纠错

专题命中 视频数据与评测 ：video generation(abstract)；分类 cs.CV

Comments 9 pages, 4 figures, 4 tables

EASG-Bench: Video Q&A Benchmark with Egocentric Action Scene Graphs

Ivan Rodin, Tz-Ying Wu, Kyle Min, Sharath Nittur Sridhar, Antonino Furnari, Subarna Tripathi, Giovanni Maria Farinella

机构 * University of Catania（卡塔尼亚大学） ； Intel Labs（英特尔实验室） 纠错

专题命中 视频数据与评测 ：video understanding(abstract)；分类 cs.CV

Comments Accepted to SAUAFG Workshop at ICCV 2025