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。

2026-02-17 至 2026-02-17 共收录 3 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频理解 3 篇

2602.14236 2026-02-17 cs.CV cs.AI cs.LG cs.PF 74%

Dual-Signal Adaptive KV-Cache Optimization for Long-Form Video Understanding in Vision-Language Models

双信号自适应KV缓存优化用于视觉-语言模型中长形式视频理解

Vishnu Sai, Dheeraj Sai, Srinath B, Girish Varma, Priyesh Shukla

机构 * International Institute of Information Technology（国际信息研究所）

专题命中视频理解：video understanding(title)；分类 cs.CV

AI总结 Sali-Cache通过双信号自适应缓存优化，提升视觉-语言模型处理长形式视频的内存效率与准确性。

2602.13332 2026-02-17 cs.CV cs.AI 70%

MedScope: Incentivizing "Think with Videos" for Clinical Reasoning via Coarse-to-Fine Tool Calling

MedScope：通过粗到细的工具调用激励“通过视频思考”以进行临床推理

Wenjie Li, Yujie Zhang, Haoran Sun, Xingqi He, Hongcheng Gao, Chenglong Ma, Ming Hu, Guankun Wang, Shiyi Yao, Renhao Yang, Hongliang Ren, Lei Wang, Junjun He, Yankai Jiang

机构 * College of Health Science and Technology, Shanghai Jiao Tong University School of Medicine, Shanghai, China（上海交通大学医学院健康科学与技术学院）； Fudan University, Shanghai, China（复旦大学）； Shanghai Innovation Institute, Shanghai, China（上海创新研究院）； Tsinghua University, Beijing, China（清华大学）； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室）； The Chinese University of Hong Kong, Hong Kong, China（香港中文大学）； Ruijin Hospital, Shanghai Jiaotong University, Shanghai, China（上海交通大学瑞金医院）

专题命中视频理解：video understanding(abstract)；video reasoning(abstract)；分类 cs.CV

AI总结 MedScope通过粗到细的工具调用机制，提升临床视频推理的准确性与可信度，实现基于时间局部化视觉证据的医疗AI代理。

2602.08882 2026-02-17 cs.HC cs.CV 57%

Designing Multi-Robot Ground Video Sensemaking with Public Safety Professionals

设计多机器人地面视频感知以服务于公共安全专业人员

Puqi Zhou, Ali Asgarov, Aafiya Hussain, Wonjoon Park, Amit Paudyal, Sameep Shrestha, Chia-wei Tang, Michael F. Lighthiser, Michael R. Hieb, Xuesu Xiao, Chris Thomas, Sungsoo Ray Hong

机构 * George Mason University（乔治·玛森大学）； University of Maryland（马里兰大学）

专题命中视频理解：video understanding(abstract)；分类 cs.CV

AI总结本文提出了一种多机器人地面视频感知测试平台和MRVS工具，旨在提升公共安全专业人员的情报意识和工作效率，同时关注假警报和隐私问题。