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。

2025-10-23 至 2025-10-23 共收录 6 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频理解 1 篇

2510.19150 2025-10-23 cs.CV cs.AI cs.LG 57%

X-Ego: Acquiring Team-Level Tactical Situational Awareness via Cross-Egocentric Contrastive Video Representation Learning

Yunzhe Wang, Soham Hans, Volkan Ustun

机构 * University of Southern California（南加州大学）； USC Institute for Creative Technologies（USC创意技术研究所）

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

Comments 8 pages, 5 figures

2. 视频生成 3 篇

2510.17519 2025-10-23 cs.CV cs.AI 79%

MUG-V 10B: High-efficiency Training Pipeline for Large Video Generation Models

Yongshun Zhang, Zhongyi Fan, Yonghang Zhang, Zhangzikang Li, Weifeng Chen, Zhongwei Feng, Chaoyue Wang, Peng Hou, Anxiang Zeng

机构 * LLM Team, Shopee Pte. Ltd.（Shopee 股份有限公司语言模型团队）

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

Comments Technical Report; Project Page: https://github.com/Shopee-MUG/MUG-V

2510.14847 2025-10-23 cs.CV 79%

ImagerySearch: Adaptive Test-Time Search for Video Generation Beyond Semantic Dependency Constraints

Meiqi Wu, Jiashu Zhu, Xiaokun Feng, Chubin Chen, Chen Zhu, Bingze Song, Fangyuan Mao, Jiahong Wu, Xiangxiang Chu, Kaiqi Huang

机构 * UCAS（中国科学院大学）； AMAP, Alibaba Group（阿里云实验室）； CRISE（中国科学院计算技术研究所）； THU（清华大学）； SEU（上海电子科技大学）

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

2510.19527 2025-10-23 cs.CV 57%

PoseCrafter: Extreme Pose Estimation with Hybrid Video Synthesis

Qing Mao, Tianxin Huang, Yu Zhu, Jinqiu Sun, Yanning Zhang, Gim Hee Lee

机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院）； School of Computing, National University of Singapore（新加坡国立大学计算机学院）； School of Computing and Data Science, The University of Hong Kong（香港大学计算机与数据科学学院）； School of Astronautics, Northwestern Polytechnical University（西北工业大学航天学院）

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

Comments 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

3. 视频扩散模型 1 篇

2510.19022 2025-10-23 cs.CV 83%

MoAlign: Motion-Centric Representation Alignment for Video Diffusion Models

Aritra Bhowmik, Denis Korzhenkov, Cees G. M. Snoek, Amirhossein Habibian, Mohsen Ghafoorian

机构 * University of Amsterdam（阿姆斯特丹大学）； Qualcomm AI Research（高通AI研究）

专题命中视频扩散模型：video diffusion(title,abstract)；text-to-video(abstract)；分类 cs.CV

4. 视频数据与评测 1 篇

2503.21776 2025-10-23 cs.CV 79%

Video-R1: Reinforcing Video Reasoning in MLLMs

Kaituo Feng, Kaixiong Gong, Bohao Li, Zonghao Guo, Yibing Wang, Tianshuo Peng, Junfei Wu, Xiaoying Zhang, Benyou Wang, Xiangyu Yue

机构 * CUHK MMLab（香港中文大学多模态实验室）； CUHK (SZ)（香港中文大学（深圳））； Tsinghua University（清华大学）； UCAS（中国科学院大学）； CUHK HCCL（香港中文大学高性能计算实验室）

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

Comments NeurIPS 2025, Project page: https://github.com/tulerfeng/Video-R1