AI 大模型

视频大模型

视频理解、视频生成、视频语言模型和时序视觉推理。

2025-09-12 至 2025-09-12 共收录 3 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频理解 1 篇

2509.08538 2025-09-12 cs.CV cs.AI 57%

MESH -- Understanding Videos Like Human: Measuring Hallucinations in Large Video Models

Garry Yang, Zizhe Chen, Man Hon Wong, Haoyu Lei, Yongqiang Chen, Zhenguo Li, Kaiwen Zhou, James Cheng

机构 * The Chinese University of Hong Kong（香港中文大学）； Huawei Noah's Ark Lab（华为诺亚实验室）

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

2. 视频扩散模型 1 篇

2509.09547 2025-09-12 cs.CV cs.AI 83%

Improving Video Diffusion Transformer Training by Multi-Feature Fusion and Alignment from Self-Supervised Vision Encoders

Dohun Lee, Hyeonho Jeong, Jiwook Kim, Duygu Ceylan, Jong Chul Ye

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

Comments 17 pages, 14 figures

3. 长视频与时序推理 1 篇

2509.09263 2025-09-12 cs.CV 88%

DATE: Dynamic Absolute Time Enhancement for Long Video Understanding

Chao Yuan, Yang Yang, Yehui Yang, Zach Cheng

机构 * Beihang University（北京航空航天大学）； Dcar, ByteDance（字节跳动Dcar部门）； Qfin Holdings,Inc（Qfin控股公司）； MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院）

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