视频大模型

Paper2Video: Automatic Video Generation from Scientific Papers

Zeyu Zhu, Kevin Qinghong Lin, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（展示实验室，新加坡国立大学） 纠错

专题命中 视频生成 ：video generation(title,abstract)；分类 cs.CV、cs.MM

Comments Project Page: https://showlab.github.io/Paper2Video/

FlexTraj: Image-to-Video Generation with Flexible Point Trajectory Control

Zhiyuan Zhang, Can Wang, Dongdong Chen, Jing Liao

机构 * City University of Hong Kong（香港城市大学） ； The University of Hong Kong（香港大学） ； Microsoft GenAI（微软生成人工智能） 纠错

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

Comments Project Page: https://bestzzhang.github.io/FlexTraj

MAGREF: Masked Guidance for Any-Reference Video Generation with Subject Disentanglement

Yufan Deng, Yuanyang Yin, Xun Guo, Yizhi Wang, Jacob Zhiyuan Fang, Shenghai Yuan, Yiding Yang, Angtian Wang, Bo Liu, Haibin Huang, Chongyang Ma

机构 * Intelligent Creation ByteDance（智能创作字节跳动） 纠错

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

Comments Code: https://github.com/MAGREF-Video/MAGREF/; Project website: https://magref-video.github.io/

UniMMVSR: A Unified Multi-Modal Framework for Cascaded Video Super-Resolution

Shian Du, Menghan Xia, Chang Liu, Quande Liu, Xintao Wang, Pengfei Wan, Xiangyang Ji

机构 * Tsinghua University（清华大学） ； Huazhong University of Science and Technology（华中科技大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） 纠错

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

PRVR: Partially Relevant Video Retrieval

Xianke Chen, Daizong Liu, Xun Yang, Xirong Li, Jianfeng Dong, Meng Wang, Xun Wang

机构 * School of Computer Science and Technology（计算机科学与技术学院） ； School of Statistics and Mathematics（统计学与数学学院） ； Zhejiang Gongshang University（浙江工商大学） ； Zhejiang Key Laboratory of Big Data and Future E-Commerce Technology（大数据与未来电子商务技术重点实验室） ； Wangxuan Institute of Computer Technology（王萱计算机技术研究所） ； School of Information Science and Technology（信息科学与技术学院） ； University of Science and Technology of China（中国科学技术大学） ； School of Information（信息学院） ； Renmin University of China（中国人民大学） ； School of Computer Science and Information Engineering（计算机科学与信息工程学院） 纠错

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

Comments Accepted by TPAMI. The paper's homepage is https://github.com/HuiGuanLab/ms-sl-pp

NovaFlow: Zero-Shot Manipulation via Actionable Flow from Generated Videos

Hongyu Li, Lingfeng Sun, Yafei Hu, Duy Ta, Jennifer Barry, George Konidaris, Jiahui Fu

机构 * Robotics and AI Institute（机器人与人工智能研究所） ； Brown University（布朗大学） 纠错

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

Mitigating Surgical Data Imbalance with Dual-Prediction Video Diffusion Model

Danush Kumar Venkatesh, Adam Schmidt, Muhammad Abdullah Jamal, Omid Mohareri

机构 * a Department of Translational Surgical Oncology, NCT/UCC Dresden, a partnership between DKFZ, Faculty of Medicine and University Hospital Carl Gustav Carus, TUD Dresden,HZDR, Germany（a 转化外科肿瘤学部，NCT/UCC 德累斯顿，DKFZ、医学院和卡尔·古斯塔夫·卡尔斯医院、德累斯顿技术大学、HZDR 的联合体，德国） ； b Intuitive Surgical, Inc., Sunnyvale, CA, United States（b 直觉手术公司，美国加利福尼亚州 Sunnyvale） 纠错

专题命中 视频扩散模型 ：video diffusion(title,abstract)；video understanding(abstract)；分类 eess.IV

Comments 29 pages, 16 figures

X2Video: Adapting Diffusion Models for Multimodal Controllable Neural Video Rendering

Zhitong Huang, Mohan Zhang, Renhan Wang, Rui Tang, Hao Zhu, Jing Liao

机构 * City University of Hong Kong（香港城市大学） ； WeChat, Tencent Inc（微信、腾讯公司） ； Manycore Tech Inc（很多核科技公司） 纠错

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

Comments Code, model, and dataset will be released at project page soon: https://luckyhzt.github.io/x2video

Once Is Enough: Lightweight DiT-Based Video Virtual Try-On via One-Time Garment Appearance Injection

Yanjie Pan, Qingdong He, Lidong Wang, Bo Peng, Mingmin Chi

机构 * School of computer science, Shanghai key laboratory of data science, Fudan University, China（计算机学院、数据科学重点实验室、复旦大学） ； Tencent Youtu Lab, China（腾讯优图实验室） ； Shanghai Ocean University, China（上海海洋大学） 纠错

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

Comments 5 pages (including references), 4 figures. Code and models will be released upon publication

Uncertainty-Aware Diffusion Guided Refinement of 3D Scenes

Sarosij Bose, Arindam Dutta, Sayak Nag, Junge Zhang, Jiachen Li, Konstantinos Karydis, Amit K. Roy Chowdhury

机构 * University of California, Riverside, USA（加州大学河滨分校） 纠错

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

Comments ICCV 2025

SciVideoBench: Benchmarking Scientific Video Reasoning in Large Multimodal Models

Andong Deng, Taojiannan Yang, Shoubin Yu, Lincoln Spencer, Mohit Bansal, Chen Chen, Serena Yeung-Levy, Xiaohan Wang

机构 * University of Central Florida（中央佛罗里达大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Stanford University（斯坦福大学） 纠错

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

TRAVL: A Recipe for Making Video-Language Models Better Judges of Physics Implausibility

Saman Motamed, Minghao Chen, Luc Van Gool, Iro Laina

机构 * Visual Geometry Group, University of Oxford（视觉几何组，牛津大学） 纠错

专题命中 视频数据与评测 ：video-language(title,abstract)；分类 cs.CV

DynamicEval: Rethinking Evaluation for Dynamic Text-to-Video Synthesis

Nithin C. Babu, Aniruddha Mahapatra, Harsh Rangwani, Rajiv Soundararajan, Kuldeep Kulkarni

机构 * Indian Institute of Science（印度科学研究院） ； Adobe Research（Adobe研究） 纠错

专题命中 视频数据与评测 ：text-to-video(title,abstract)；分类 cs.CV

Comments Preprint. Under review. 26 pages, 11 figures, 11 tables. Access the project page in https://nithincbabu7.github.io/DynamicEval