视频大模型 - arXivDaily 专题

2512.21776 2026-01-01 cs.CV cs.AI 83%

Inference-based GAN Video Generation

基于推断的GAN视频生成

Jingbo Yang, Adrian G. Bors

机构 * Department of Computer Science, University of York（计算机科学系，约克大学）

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

AI总结本文提出了一种基于对抗的VAE-GAN混合结构，通过马尔可夫链框架实现长视频生成，解决时序扩展难题。

2512.24766 2026-01-01 cs.RO cs.AI cs.CV 79%

Dream2Flow: 通过3D物体流连接视频生成与开放世界操控

Karthik Dharmarajan, Wenlong Huang, Jiajun Wu, Li Fei-Fei, Ruohan Zhang

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

AI总结 Dream2Flow通过3D物体流连接视频生成与开放世界操控，实现零样本操控不同类别的物体。

2512.24724 2026-01-01 cs.CV 74%

FlowBlending: 时序感知多模型采样用于快速且高保真的视频生成

Jibin Song, Mingi Kwon, Jaeseok Jeong, Youngjung Uh

机构 * Yonsei University（延世大学）

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

AI总结 FlowBlending通过时序感知的多模型采样策略，在保持视觉质量的同时，显著提升视频生成的推理速度和效率。

2512.24026 2026-01-01 cs.CV cs.AI 57%

PipeFlow: 管道处理与运动感知帧选择用于长格式视频编辑

Mustafa Munir, Md Mostafijur Rahman, Kartikeya Bhardwaj, Paul Whatmough, Radu Marculescu

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）； Qualcomm AI Research（高通人工智能研究）

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

AI总结 PipeFlow通过运动感知帧选择和流水线任务调度，实现长格式视频编辑的高效处理，相比现有方法速度提升达9.6至31.7倍。

2512.20000 2026-01-01 cs.CV 57%

基于少样本的模块化图像到视频适配器用于扩散模型

Zhenhao Li, Shaohan Yi, Zheng Liu, Leonartinus Gao, Minh Ngoc Le, Ambrose Ling, Zhuoran Wang, Md Amirul Islam, Zhixiang Chi, Yuanhao Yu

机构 * Huawei Technologies Canada（华为加拿大技术有限公司）； University of Waterloo（滑铁卢大学）； University of British Columbia（不列颠哥伦比亚大学）； University of Toronto（多伦多大学）

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

AI总结本文提出MIVA，一种轻量级模块化适配器，用于在扩散模型中实现更精确的运动控制，同时保持或提升生成质量。