视频大模型

MagicMirror: ID-Preserved Video Generation in Video Diffusion Transformers

MagicMirror: 视频扩散变换器中的身份保留视频生成

Yuechen Zhang, Yaoyang Liu, Bin Xia, Bohao Peng, Zexin Yan, Eric Lo, Jiaya Jia

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

AI总结 MagicMirror通过双分支特征提取器和两阶段训练策略，在视频扩散变换器中实现高质量身份保留视频生成，优于现有方法。

Comments ICCV 2025, It is best viewed in Acrobat. Project Page: https://julianjuaner.github.io/projects/MagicMirror/

Show Me: Unifying Instructional Image and Video Generation with Diffusion Models

Show Me: 用扩散模型统一指令图像和视频生成

Yujiang Pu, Zhanbo Huang, Vishnu Boddeti, Yu Kong

机构 * Michigan State University（密歇根州立大学） 纠错

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

AI总结 ShowMe通过统一视频扩散模型的空间和时间组件，提升指令图像和视频生成的性能与一致性。

Comments Accepted by WACV 2026

Training-Free Efficient Video Generation via Dynamic Token Carving

无需训练的高效视频生成 via 动态令牌雕刻

Yuechen Zhang, Jinbo Xing, Bin Xia, Shaoteng Liu, Bohao Peng, Xin Tao, Pengfei Wan, Eric Lo, Jiaya Jia

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

AI总结 Jenga通过动态注意力雕刻和逐步分辨率生成，实现无需训练的高效视频生成，显著提升生成速度并保持生成质量。

Comments NeurIPS 2025, Project Page: https://julianjuaner.github.io/projects/jenga/

One4D: Unified 4D Generation and Reconstruction via Decoupled LoRA Control

One4D：通过解耦LoRA控制实现统一的4D生成与重建

Zhenxing Mi, Yuxin Wang, Dan Xu

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 One4D通过解耦LoRA控制实现4D生成与重建的统一框架，提升视频扩散模型在几何重建中的性能

Comments Project page: https://mizhenxing.github.io/One4D

STCDiT: Spatio-Temporally Consistent Diffusion Transformer for High-Quality Video Super-Resolution

STCDiT：一种时空一致的扩散变换器用于高质量视频超分辨率

Junyang Chen, Jiangxin Dong, Long Sun, Yixin Yang, Jinshan Pan

机构 * School of Computer Science and Engineering, Nanjing University of Science and Technology（计算机科学与工程学院，南京理工大学） 纠错

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

AI总结 STCDiT通过结合运动感知的VAE重建和锚帧指导方法，实现了高质量视频超分辨率，提升了结构保真度和时间一致性。

Comments Project page: https://jychen9811.github.io/STCDiT_page

InstantViR: Real-Time Video Inverse Problem Solver with Distilled Diffusion Prior

InstantViR: 基于蒸馏扩散先验的实时视频逆问题求解器

Weimin Bai, Suzhe Xu, Yiwei Ren, Jinhua Hao, Ming Sun, Wenzheng Chen, He Sun

机构 * Peking University（北京大学） ； Huaqiao University（华侨大学） ； Kuaishou Technology（快手科技） 纠错

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

AI总结 InstantViR通过蒸馏扩散先验实现高效实时视频重建，以35 FPS速度在NVIDIA A100 GPU上达到与基线相当的重建质量。