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。

2025-09-23 至 2025-09-23 共收录 2 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频理解 2 篇

2509.16810 2025-09-23 cs.AI 78%

Automated Procedural Analysis via Video-Language Models for AI-assisted Nursing Skills Assessment

Shen Chang, Dennis Liu, Renran Tian, Kristen L. Swartzell, Stacie L. Klingler, Amy M. Nagle, Nan Kong

机构 * Weldon School of Biomedical Engineering, Purdue University（普渡大学生物医学工程学院）； Department of Industrial and Operations Engineering, University of Michigan（密歇根大学工业与运作工程系）； Edward P. Fitts Department of Industrial and Systems Engineering, North Carolina State University（北卡罗来纳州立大学工业与系统工程系）； School of Nursing, Purdue University（普渡大学护理学院）

专题命中视频理解：video-language(title,abstract)

2509.16560 2025-09-23 cs.CV 57%

Captioning for Text-Video Retrieval via Dual-Group Direct Preference Optimization

Ji Soo Lee, Byungoh Ko, Jaewon Cho, Howoong Lee, Jaewoon Byun, Hyunwoo J. Kim

机构 * Korea University（韩国大学）； Hanwha Vision（翰威英航）； KAIST（韩国科学技术院）

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

Comments EMNLP 2025 Findings