视频大模型

SeViCES: Unifying Semantic-Visual Evidence Consensus for Long Video Understanding

Yuan Sheng, Yanbin Hao, Chenxu Li, Shuo Wang, Xiangnan He

机构 * University of Science and Technology of China（中国科学技术大学） ； Hefei University of Technology（合肥工业大学） 纠错

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

Video, How Do Your Tokens Merge?

Sam Pollard, Michael Wray

机构 * University of Bristol（布里斯托大学） 纠错

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

Comments Accepted at eLVM workshop at CVPR 2025

Video Consistency Distance: Enhancing Temporal Consistency for Image-to-Video Generation via Reward-Based Fine-Tuning

Takehiro Aoshima, Yusuke Shinohara, Byeongseon Park

机构 * LY Corporation（LY公司） 纠错

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

Comments 17 pages

Towards Physical Understanding in Video Generation: A 3D Point Regularization Approach

Yunuo Chen, Junli Cao, Vidit Goel, Sergei Korolev, Chenfanfu Jiang, Jian Ren, Sergey Tulyakov, Anil Kag

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Snap Inc（Snap公司） 纠错

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

Comments Project Page: \url{https://snap-research.github.io/PointVidGen/}

GenLit: Reformulating Single-Image Relighting as Video Generation

Shrisha Bharadwaj, Haiwen Feng, Giorgio Becherini, Victoria Fernandez Abrevaya, Michael J. Black

机构 * Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） 纠错

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

A new wave of vehicle insurance fraud fueled by generative AI

Amir Hever, Itai Orr

专题命中 视频生成 ：video generation(abstract)

Breakdance Video classification in the age of Generative AI

Sauptik Dhar, Naveen Ramakrishnan, Michelle Munson

机构 * Eluvio AI Labs（Eluvio AI实验室） 纠错

专题命中 视频问答 ：video language model(abstract)；分类 cs.CV

Comments 11 pages

PreFM: Online Audio-Visual Event Parsing via Predictive Future Modeling

Xiao Yu, Yan Fang, Xiaojie Jin, Yao Zhao, Yunchao Wei

机构 * Institute of Information Science, Beijing Jiaotong University（信息科学学院，北京交通大学） 纠错

专题命中 动作与事件理解 ：video understanding(abstract)；分类 cs.CV

Comments This paper is accepted by 39th Conference on Neural Information Processing Systems (NeurIPS 2025)

HoloCine: Holistic Generation of Cinematic Multi-Shot Long Video Narratives

Yihao Meng, Hao Ouyang, Yue Yu, Qiuyu Wang, Wen Wang, Ka Leong Cheng, Hanlin Wang, Yixuan Li, Cheng Chen, Yanhong Zeng, Yujun Shen, Huamin Qu

机构 * HKUST（香港科技大学） ； Ant Group（蚂蚁集团） ； ZJU（浙江大学） ； CUHK（香港中文大学） ； NTU（南洋理工大学） 纠错

专题命中 长视频与时序推理 ：long video(title)；text-to-video(abstract)；分类 cs.CV

Comments Project page and code: https://holo-cine.github.io/

AutoScape: Geometry-Consistent Long-Horizon Scene Generation

Jiacheng Chen, Ziyu Jiang, Mingfu Liang, Bingbing Zhuang, Jong-Chyi Su, Sparsh Garg, Ying Wu, Manmohan Chandraker

机构 * NEC Labs America（NEC美国实验室） ； Simon Fraser University（西蒙弗雷泽大学） ； Northwestern University（西北大学） ； UC San Diego（加州大学圣地亚哥分校） 纠错

专题命中 长视频与时序推理 ：video diffusion(abstract)；分类 cs.CV

Comments ICCV 2025. Project page: https://auto-scape.github.io

Empower Words: DualGround for Structured Phrase and Sentence-Level Temporal Grounding

Minseok Kang, Minhyeok Lee, Minjung Kim, Donghyeong Kim, Sangyoun Lee

机构 * Yonsei University（延世大学） ； LG Electronics（LG电子） 纠错

专题命中 其他视频模型 ：video-language(abstract)；分类 cs.CV

Comments Comments: 28 pages, including appendix. 5 figures. Full version of the NeurIPS 2025 paper