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。

2026-02-05 至 2026-02-05 共收录 2 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频生成 2 篇

2412.13462 2026-02-05 cs.SD cs.MM eess.AS 79%

SAVGBench: Benchmarking Spatially Aligned Audio-Video Generation

SAVGBench: 多模态空间对齐音频视频生成基准测试

Kazuki Shimada, Christian Simon, Takashi Shibuya, Shusuke Takahashi, Yuki Mitsufuji

机构 * Sony AI（索尼人工智能）； Sony Group Corporation（索尼集团）

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

AI总结 SAVGBench提出了一种新的基准测试方法，用于评估空间对齐音频视频生成任务的性能，通过引入专门的数据集和对齐度量标准，评估不同生成模型的对齐效果。

Comments 5 pages, 2 figures, accepted for publication in IEEE ICASSP 2026

2602.03915 2026-02-05 cs.CV cs.AI cs.CE cs.LG 57%

Phaedra: Learning High-Fidelity Discrete Tokenization for the Physical Science

Phaedra: 学习高保真离散标记化以用于物理科学

Levi Lingsch, Georgios Kissas, Johannes Jakubik, Siddhartha Mishra

机构 * ETH AI Center（苏黎世联邦理工学院人工智能中心）； IBM Research Europe（IBM欧洲研究院）； Seminar for Applied Mathematics, ETH Zurich（苏黎世联邦理工学院应用数学系）； Swiss Data Science Center, ETH Zurich（瑞士数据科学中心，苏黎世联邦理工学院）

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

AI总结 Phaedra通过结合经典形状增益量化和正交分解，改进了科学图像的高保真离散标记化，提升PDE数据的重建和泛化能力。

Comments 57 pages, 27 figures