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。

2025-10-01 至 2025-10-01 共收录 2 篇信号源：cs.CV, eess.IV, cs.MM

1. 长视频与时序推理 2 篇

2509.24304 2025-10-01 cs.CV 85%

FrameThinker: Learning to Think with Long Videos via Multi-Turn Frame Spotlighting

Zefeng He, Xiaoye Qu, Yafu Li, Siyuan Huang, Daizong Liu, Yu Cheng

机构 * Shanghai AI Laboratory（上海人工智能实验室）； Nanjing University（南京大学）； The Chinese University of Hong Kong（香港中文大学）； Shanghai Jiao Tong University（上海交通大学）； Peking University（北京大学）

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

2507.07966 2025-10-01 cs.CV cs.AI cs.CL 85%

Scaling RL to Long Videos

Yukang Chen, Wei Huang, Baifeng Shi, Qinghao Hu, Hanrong Ye, Ligeng Zhu, Zhijian Liu, Pavlo Molchanov, Jan Kautz, Xiaojuan Qi, Sifei Liu, Hongxu Yin, Yao Lu, Song Han

机构 * NVIDIA ； MIT（麻省理工学院）； HKU（香港大学）； UC Berkeley（加州大学伯克利分校）

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

Comments Accepted by NeurIPS 2025. Code at https://github.com/NVlabs/Long-RL and model at https://huggingface.co/Efficient-Large-Model/LongVILA-R1-7B