视频大模型 - arXivDaily 专题

2510.23007 2025-10-28 cs.CV 88%

CoMo: Compositional Motion Customization for Text-to-Video Generation

Youcan Xu, Zhen Wang, Jiaxin Shi, Kexin Li, Feifei Shao, Jun Xiao, Yi Yang, Jun Yu, Long Chen

机构 * Zhejiang University（浙江大学）； HKUST（香港科技大学）； Xmax.AI Ltd（Xmax人工智能有限公司）； HIT (SZ)（哈尔滨工业大学（深圳））

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

2507.04705 2025-10-28 cs.CV 86%

Identity-Preserving Text-to-Video Generation Guided by Simple yet Effective Spatial-Temporal Decoupled Representations

Yuji Wang, Moran Li, Xiaobin Hu, Ran Yi, Jiangning Zhang, Han Feng, Weijian Cao, Yabiao Wang, Chengjie Wang, Lizhuang Ma

机构 * Shanghai Jiao Tong University, Tencent Youtu Lab（上海交通大学，腾讯云图实验室）； Tencent Youtu Lab（腾讯云图实验室）； Shanghai Jiao Tong University（上海交通大学）； Tencent（腾讯）

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

Comments ACM Multimedia 2025; code URL: https://github.com/rain152/IPVG

2510.22431 2025-10-28 cs.MA cs.CV 83%

Hollywood Town: Long-Video Generation via Cross-Modal Multi-Agent Orchestration

Zheng Wei, Mingchen Li, Zeqian Zhang, Ruibin Yuan, Pan Hui, Huamin Qu, James Evans, Maneesh Agrawala, Anyi Rao

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学）； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州））； University of Chicago（芝加哥大学）； Stanford University（斯坦福大学）

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

2503.16421 2025-10-28 cs.CV cs.AI cs.LG cs.MM 81%

MagicMotion: Controllable Video Generation with Dense-to-Sparse Trajectory Guidance

Quanhao Li, Zhen Xing, Rui Wang, Hui Zhang, Qi Dai, Zuxuan Wu

机构 * Shanghai Key Lab of Intell. Info. Processing, School of CS, Fudan University（上海智能信息处理关键实验室，复旦大学计算机学院）； Shanghai Collaborative Innovation Center of Intelligent Visual Computing（上海智能视觉计算协同创新中心）； Microsoft Research Asia（微软亚洲研究院）

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

Comments Accepted by ICCV 2025

2501.13918 2025-10-28 cs.CV cs.AI cs.GR cs.LG 79%

Improving Video Generation with Human Feedback

Jie Liu, Gongye Liu, Jiajun Liang, Ziyang Yuan, Xiaokun Liu, Mingwu Zheng, Xiele Wu, Qiulin Wang, Menghan Xia, Xintao Wang, Xiaohong Liu, Fei Yang, Pengfei Wan, Di Zhang, Kun Gai, Yujiu Yang, Wanli Ouyang

机构 * MMLab, CUHK（CUHK媒体实验室）； Tsinghua University（清华大学）； Kling Team, Kuaishou Technology（快手科技 Kling 团队）； Shanghai Jiao Tong University（上海交通大学）； Shanghai AI Laboratory（上海人工智能实验室）

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

Comments https://github.com/KwaiVGI/VideoAlign

2510.21840 2025-10-28 cs.CV cs.GR 74%

Improving the Physics of Video Generation with VJEPA-2 Reward Signal

Jianhao Yuan, Xiaofeng Zhang, Felix Friedrich, Nicolas Beltran-Velez, Melissa Hall, Reyhane Askari-Hemmat, Xiaochuang Han, Nicolas Ballas, Michal Drozdzal, Adriana Romero-Soriano

机构 * FAIR, Meta Superintelligence Labs（FAIR、Meta超智能实验室）； University of Oxford（牛津大学）； Mila - Québec AI Institute（魁北克人工智能研究所）； Université de Montréal（蒙特利尔大学）； Columbia University（哥伦比亚大学）； McGill University（麦吉尔大学）； Canada CIFAR AI Chair（加拿大CIFAR人工智能 chair）

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

Comments 2 pages

Journal ref Winning entry of the ICCV 2025 Physics IQ Challenge

2503.14350 2025-10-28 cs.CV cs.AI cs.CL 57%

VEGGIE: Instructional Editing and Reasoning Video Concepts with Grounded Generation

Shoubin Yu, Difan Liu, Ziqiao Ma, Yicong Hong, Yang Zhou, Hao Tan, Joyce Chai, Mohit Bansal

机构 * Adobe Research（Adobe研究机构）； University of Michigan（密歇根大学）； UNC Chapel Hill（北卡罗来纳大学教堂山分校）

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

Comments ICCV 2025; First three authors contributed equally. Project page: https://veggie-gen.github.io/

1. 视频生成 7 篇