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。

2025-12-05 至 2025-12-05 共收录 2 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频生成 2 篇

2512.04483 2025-12-05 cs.CV 57%

DeRA: Decoupled Representation Alignment for Video Tokenization

DeRA: 解耦表示对齐用于视频标记化

Pengbo Guo, Junke Wang, Zhen Xing, Chengxu Liu, Daoguo Dong, Xueming Qian, Zuxuan Wu

机构 * Xi’an Jiaotong University（西安交通大学）； Shanghai Innovation Institute（上海创新研究院）； Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究院）

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

AI总结 DeRA通过解耦时空表示学习，提升视频标记化效率和性能，并在视频生成任务中取得新突破。

2509.25998 2025-12-05 cs.CV cs.AI 57%

VRWKV-Editor: Reducing quadratic complexity in transformer-based video editing

VRWKV-Editor: 降低基于变换器的视频编辑中的二次复杂度

Abdelilah Aitrouga, Youssef Hmamouche, Amal El Fallah Seghrouchni

机构 * International Artificial Intelligence Center of Morocco University Mohammed VI Polytechnic Rabat, Morocco（摩洛哥国际人工智能中心摩洛哥穆莱·伊沙克·穆莱·阿卜杜勒阿齐兹 polytechnic 大学拉巴特分校）； University Mohammed VI Polytechnic Rabat, Morocco（摩洛哥穆莱·伊沙克·穆莱·阿卜杜勒阿齐兹 polytechnic 大学拉巴特分校）； Sorbonne University, LIP6 - UMR 7606 CNRS, France（索邦大学，LIP6 - UMR 7606 CNRS，法国）

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

AI总结 VRWKV-Editor通过引入线性时空聚合模块，降低基于变换器的视频编辑模型的计算复杂度，实现3.7倍加速和60%内存节省，同时保持高质量的帧一致性和文本对齐。