视频大模型

Tuning-free Visual Effect Transfer across Videos

无需调优的视频间视觉效果转移

Maxwell Jones, Rameen Abdal, Or Patashnik, Ruslan Salakhutdinov, Sergey Tulyakov, Jun-Yan Zhu, Kuan-Chieh Jackson Wang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Snap Research（Snap研究） 纠错

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

AI总结 RefVFX通过大规模数据集和自动化流程，实现了无需调优的视频间视觉效果转移，提升了动态时序效果的编辑效果。

Comments Project Page: https://snap-research.github.io/RefVFX/

VSF: Simple, Efficient, and Effective Negative Guidance in Few-Step Image Generation Models By Value Sign Flip

VSF: 在少步图像生成模型中通过值符号翻转实现简单、高效且有效的负引导

Wenqi Guo, Shan Du

机构 * Department of CMPS University of British Columbia（计算机科学与工程系，不列颠哥伦比亚大学） ； Department of MEOW, Weathon Software（MEOW系，Weathon软件公司） 纠错

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

AI总结 VSF通过值符号翻转在少步图像生成模型中实现高效负提示引导，提升生成质量与稳定性。

DDiT: Dynamic Patch Scheduling for Efficient Diffusion Transformers

DDiT: 动态补丁调度用于高效的扩散变换器

Dahye Kim, Deepti Ghadiyaram, Raghudeep Gadde

机构 * Boston University（波士顿大学） ； Amazon（亚马逊） 纠错

专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV

AI总结 DDiT通过动态调整补丁大小，在保持生成质量的同时显著提升扩散变换器的推理效率。

SceneVGGT: VGGT-based online 3D semantic SLAM for indoor scene understanding and navigation

SceneVGGT: 基于VGGT的在线3D语义SLAM用于室内场景理解和导航

Anna Gelencsér-Horváth, Gergely Dinya, Dorka Boglárka Erős, Péter Halász, Islam Muhammad Muqsit, Kristóf Karacs

机构 * Pázmány Péter Catholic University（帕梅尼·彼得天主教大学） ； Eötvös Loránd University（欧多尼·洛兰德大学） 纠错

专题命中 长视频与时序推理 ：long video(abstract)；分类 eess.IV

AI总结 SceneVGGT基于VGGT实现高效的在线3D语义SLAM，用于室内场景理解和导航，通过滑动窗口管道实现长视频流处理，结合语义映射与SLAM，提升导航的鲁棒性和交互性。