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。

2025-11-12 至 2025-11-12 共收录 5 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频生成 3 篇

2511.08536 2025-11-12 cs.CV 74%

3D4D: An Interactive, Editable, 4D World Model via 3D Video Generation

Yunhong He, Zhengqing Yuan, Zhengzhong Tu, Yanfang Ye, Lichao Sun

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

Comments Accepted by AAAI 2026 Demo Track

2507.07633 2025-11-12 cs.CV cs.MM 62%

T-GVC: Trajectory-Guided Generative Video Coding at Ultra-Low Bitrates

Zhitao Wang, Hengyu Man, Wenrui Li, Xingtao Wang, Xiaopeng Fan, Debin Zhao

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

2505.17685 2025-11-12 cs.CV 57%

FutureSightDrive: Thinking Visually with Spatio-Temporal CoT for Autonomous Driving

Shuang Zeng, Xinyuan Chang, Mengwei Xie, Xinran Liu, Yifan Bai, Zheng Pan, Mu Xu, Xing Wei, Ning Guo

机构 * Xi’an Jiaotong University（西安交通大学）； Amap, Alibaba Group（阿里巴巴集团）； DAMO Academy, Alibaba Group（阿里巴巴达摩院）

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

Comments Accepted to NeurIPS 2025 as Spotlight Presentation. Code: https://github.com/MIV-XJTU/FSDrive

2. 视频问答 1 篇

2504.06958 2025-11-12 cs.CV 70%

VideoChat-R1: Enhancing Spatio-Temporal Perception via Reinforcement Fine-Tuning

Xinhao Li, Ziang Yan, Desen Meng, Lu Dong, Xiangyu Zeng, Yinan He, Yali Wang, Yu Qiao, Yi Wang, Limin Wang

机构 * Shanghai AI Laboratory（上海人工智能实验室）； Nanjing University（南京大学）； Zhejiang University（浙江大学）； University of Science and Technology of China（中国科学技术大学）； Shanghai Innovation Institute（上海创新研究院）； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所）

专题命中视频问答：video understanding(abstract)；video reasoning(abstract)；分类 cs.CV

3. 长视频与时序推理 1 篇

2511.08521 2025-11-12 cs.CV 70%

UniVA: Universal Video Agent towards Open-Source Next-Generation Video Generalist

Zhengyang Liang, Daoan Zhang, Huichi Zhou, Rui Huang, Bobo Li, Yuechen Zhang, Shengqiong Wu, Xiaohan Wang, Jiebo Luo, Lizi Liao, Hao Fei

机构 * Singapore Management University（新加坡管理大学）； University of Rochester（罗切斯特大学）； University College London（伦敦大学学院）； National University of Singapore（新加坡国立大学）； The Chinese University of Hong Kong（香港中文大学）； Stanford University（斯坦福大学）

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

Comments Technical Report. 24 figures, 37 pages. Website: https://univa.online/