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。

2025-10-09 至 2025-10-09 共收录 3 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频生成 3 篇

2510.07313 2025-10-09 cs.CV cs.RO 57%

WristWorld: Generating Wrist-Views via 4D World Models for Robotic Manipulation

Zezhong Qian, Xiaowei Chi, Yuming Li, Shizun Wang, Zhiyuan Qin, Xiaozhu Ju, Sirui Han, Shanghang Zhang

机构 * State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（信息处理国家重点实验室，计算机学院，北京大学）； Hong Kong University of Science and Technology（香港科技大学）； National University of Singapore（新加坡国家大学）； Beijing Innovation Center of Humanoid Robotics（北京人形机器人创新中心）

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

2510.06512 2025-10-09 cs.CV cs.AI 57%

LogSTOP: Temporal Scores over Prediction Sequences for Matching and Retrieval

Avishree Khare, Hideki Okamoto, Bardh Hoxha, Georgios Fainekos, Rajeev Alur

机构 * seas.upenn.edu（宾夕法尼亚大学塞as学院）

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

2510.07092 2025-10-09 cs.LG cs.AI cs.RO 50%

Generative World Modelling for Humanoids: 1X World Model Challenge Technical Report

Riccardo Mereu, Aidan Scannell, Yuxin Hou, Yi Zhao, Aditya Jitta, Antonio Dominguez, Luigi Acerbi, Amos Storkey, Paul Chang

机构 * Aalto University（阿alto大学）； University of Edinburgh（爱丁堡大学）； Deep Render（Deep Render公司）； DataCrunch（DataCrunch公司）； University of Helsinki（赫尔辛基大学）

专题命中视频生成：video generation(abstract)

Comments 6 pages, 3 figures, 1X world model challenge technical report