视频大模型

LoL: Longer than Longer, Scaling Video Generation to Hour

LoL: 长于更长，将视频生成扩展至小时级

Justin Cui, Jie Wu, Ming Li, Tao Yang, Xiaojie Li, Rui Wang, Andrew Bai, Yuanhao Ban, Cho-Jui Hsieh

机构 * University of Central Florida（中央佛罗里达大学） 纠错

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

AI总结 LoL提出一种无需训练的方法，通过多头RoPE抖动缓解视频生成中的sink-collapse问题，实现长时长、高质量的流式视频生成。

Comments preprint

AnyView: Synthesizing Any Novel View in Dynamic Scenes

AnyView: 动态场景中合成任意新视角

Basile Van Hoorick, Dian Chen, Shun Iwase, Pavel Tokmakov, Muhammad Zubair Irshad, Igor Vasiljevic, Swati Gupta, Fangzhou Cheng, Sergey Zakharov, Vitor Campagnolo Guizilini

机构 * Toyota Research Institute（丰田研究院） ； Amazon Web Services（亚马逊网络服务） 纠错

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

AI总结 AnyView通过动态视角合成框架实现任意视角生成，克服了传统方法在高度动态场景中的局限性，提出了新的基准测试并展示了优越的性能。

Comments Project webpage: https://tri-ml.github.io/AnyView/

ToonifyGB: StyleGAN-based Gaussian Blendshapes for 3D Stylized Head Avatars

ToonifyGB: 基于StyleGAN的高斯混合形状用于3D风格化头身人偶

Rui-Yang Ju, Sheng-Yen Huang, Yi-Ping Hung

机构 * Graduate Institute of Networking and Multimedia（网络与多媒体研究生院） 纠错

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

AI总结 ToonifyGB通过改进的StyleGAN生成风格化视频并结合高斯混合形状，实现高效渲染多样化风格化的3D头身人偶。

Comments 2-Page Version Accepted as a Poster at IEEE VR 2026