视频大模型

ResidualViT for Efficient Temporally Dense Video Encoding

Mattia Soldan, Fabian Caba Heilbron, Bernard Ghanem, Josef Sivic, Bryan Russell

机构 * KAUST（科威特科学与技术王国（KAUST）） ； CIIRC CTU（布拉格技术大学智能信息与计算研究中心（CIIRC CTU）） ； Adobe Research（Adobe研究） 纠错

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

T2V-Turbo-v2: Enhancing Video Generation Model Post-Training through Data, Reward, and Conditional Guidance Design

Jiachen Li, Qian Long, Jian Zheng, Xiaofeng Gao, Robinson Piramuthu, Wenhu Chen, William Yang Wang

机构 * UC Santa Barbara（加州大学圣芭芭拉分校） ； UC Los Angeles（加州大学洛杉矶分校） ； Amazon AGI（亚马逊人工智能实验室） ； University of Waterloo（滑铁卢大学） 纠错

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

Comments Accepted by ICLR 2025. Project Page: https://t2v-turbo-v2.github.io/

WorldExplorer: Towards Generating Fully Navigable 3D Scenes

Manuel-Andreas Schneider, Lukas Höllein, Matthias Nießner

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

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

Comments Accepted to SIGGRAPH Asia 2025. Project page: see https://mschneider456.github.io/world-explorer, video: see https://youtu.be/N6NJsNyiv6I, code: https://github.com/mschneider456/WorldExplorer

3DSRBench: A Comprehensive 3D Spatial Reasoning Benchmark

Wufei Ma, Haoyu Chen, Guofeng Zhang, Yu-Cheng Chou, Jieneng Chen, Celso M de Melo, Alan Yuille

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Carnegie Mellon University（卡内基梅隆大学） ； DEVCOM Army Research Laboratory（DEVCOM陆军研究实验室） 纠错

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

Comments ICCV 2025. Project page: https://3dsrbench.github.io