视频大模型

Video-EM: Event-Centric Episodic Memory for Long-Form Video Understanding

视频-EM：面向长视频理解的事件中心型片段记忆

Yun Wang, Long Zhang, Jingren Liu, Jiaqi Yan, Zhanjie Zhang, Jiahao Zheng, Ao Ma, Run Ling, Xun Yang, Dapeng Wu, Xiangyu Chen, Xuelong Li

机构 * City University of Hong Kong（香港城市大学） ； University of Science and Technology of China（中国科学技术大学） ； Tianjin University（天津大学） ； Nanjing University（南京大学） ； Zhejiang University（浙江大学） ； The Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究所（TeleAI）） 纠错

专题命中 长视频与时序推理 ：video understanding(title,abstract)；long video(abstract)；分类 cs.CV、cs.MM

AI总结 Video-EM通过事件中心型片段记忆框架，将长视频问答转化为事件构建与记忆细化，提升长视频理解的连贯性与可靠性。

Comments 14 pages, 6 figures

Accelerating Video Generation Inference with Sequential-Parallel 3D Positional Encoding Using a Global Time Index

通过全局时间索引的序列-并行3D位置编码加速视频生成推理

Chao Yuan, Pan Li

专题命中 长视频与时序推理 ：video generation(title,abstract)；long video(abstract)；分类 cs.CV

AI总结 通过全局时间索引的序列-并行3D位置编码优化视频生成推理，实现亚秒首帧延迟和近实时性能。

StreamReady: Learning What to Answer and When in Long Streaming Videos

StreamReady: 在长视频流中学习何时回答

Shehreen Azad, Vibhav Vineet, Yogesh Singh Rawat

机构 * Center for Research in Computer Vision, University of Central Florida（计算机视觉研究中心，中央佛罗里达大学） ； Microsoft Research（微软研究院） 纠错

专题命中 长视频与时序推理 ：video understanding(abstract)；分类 cs.CV

AI总结 StreamReady通过引入答案准备度评分，统一时间推理与及时回答，实现对长视频流中何时回答的高效学习与准确判断。

Comments Accepted in CVPR 2026

SurgCUT3R: Surgical Scene-Aware Continuous Understanding of Temporal 3D Representation

SurgCUT3R: 术场景感知的连续时间3D表示理解

Kaiyuan Xu, Fangzhou Hong, Daniel Elson, Baoru Huang

机构 * The Hamlyn Centre for Robotic Surgery, Imperial College London（机器人手术中心，帝国理工学院伦敦分校） ； S-Lab, College of Computing and Data Science, Nanyang Technological University（S实验室， computing and Data Science学院，南洋理工大学） ； Department of Computer Science, University of Liverpool（计算机科学系，利物浦大学） 纠错

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

AI总结 SurgCUT3R通过数据生成、混合监督和分层推理框架，解决手术场景中3D重建的准确性和效率问题，实现稳健的重建性能。