视频大模型

Shape-for-Motion: Precise and Consistent Video Editing with 3D Proxy

Yuhao Liu, Tengfei Wang, Fang Liu, Zhenwei Wang, Rynson W. H. Lau

机构 * City University of Hong Kong（香港城市大学） ； Tencent（腾讯） 纠错

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

Comments Accepted by Siggraph Asia 2025

Generating 360° Video is What You Need For a 3D Scene

Zhaoyang Zhang, Yannick Hold-Geoffroy, Miloš Hašan, Ziwen Chen, Fujun Luan, Julie Dorsey, Yiwei Hu

机构 * Yale University（耶鲁大学） ； Adobe Research（Adobe研究） ； Oregon State University（俄勒冈州立大学） 纠错

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

Comments SIGGRAPH Asia 2025. Project Page: https://zhaoyangzh.github.io/projects/worldprompter/

Kling-Avatar: Grounding Multimodal Instructions for Cascaded Long-Duration Avatar Animation Synthesis

Yikang Ding, Jiwen Liu, Wenyuan Zhang, Zekun Wang, Wentao Hu, Liyuan Cui, Mingming Lao, Yingchao Shao, Hui Liu, Xiaohan Li, Ming Chen, Xiaoqiang Liu, Yu-Shen Liu, Pengfei Wan

机构 * Kling Team, Kuaishou Technology（快手科技 Kling 团队） 纠错

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

Comments Technical Report. Project Page: https://klingavatar.github.io/

Preacher: Paper-to-Video Agentic System

Jingwei Liu, Ling Yang, Hao Luo, Fan Wang, Hongyan Li, Mengdi Wang

机构 * School of Intelligence Science and Technology, Peking University（北京理工大学智能科学与技术学院） ； DAMO Academy, Alibaba group（阿里巴巴集团大模型研究院） ； Hupan Lab（虎扑实验室） ； National Key Laboratory of General Artificial Intelligence, Peking University（北京人工智能 general artificial intelligence 国家重点实验室） ； Department of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程系） 纠错

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

Comments ICCV 2025. Code: https://github.com/Gen-Verse/Paper2Video

CompSlider: Compositional Slider for Disentangled Multiple-Attribute Image Generation

Zixin Zhu, Kevin Duarte, Mamshad Nayeem Rizve, Chengyuan Xu, Ratheesh Kalarot, Junsong Yuan

机构 * University at Buffalo（布法罗大学） ； Adobe Inc. (ASML)（Adobe公司） 纠错

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

Comments Accepted by ICCV 2025

Towards a Universal Synthetic Video Detector: From Face or Background Manipulations to Fully AI-Generated Content

Rohit Kundu, Hao Xiong, Vishal Mohanty, Athula Balachandran, Amit K. Roy-Chowdhury

机构 * Google, Mountain View, USA（谷歌（Mountain View, USA）） ； University of California, Riverside（加州大学河滨分校） 纠错

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

FantasyHSI: Video-Generation-Centric 4D Human Synthesis In Any Scene through A Graph-based Multi-Agent Framework

Lingzhou Mu, Qiang Wang, Fan Jiang, Mengchao Wang, Yaqi Fan, Mu Xu, Kai Zhang

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

Comments https://fantasy-amap.github.io/fantasy-hsi/

DevilSight: Augmenting Monocular Human Avatar Reconstruction through a Virtual Perspective

Yushuo Chen, Ruizhi Shao, Youxin Pang, Hongwen Zhang, Xinyi Wu, Rihui Wu, Yebin Liu

机构 * Tsinghua University（清华大学） ； Beijing Normal University（北京师范大学） ； Honor Device Co., Ltd（荣誉设备有限公司） 纠错

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

FaceEditTalker: Controllable Talking Head Generation with Facial Attribute Editing

Guanwen Feng, Zhiyuan Ma, Yunan Li, Jiahao Yang, Junwei Jing, Qiguang Miao

机构 * Xi’an Key Laboratory of Big Data and Intelligent Vision, Xidian University, Xi’an 710071, China（西安大数据与智能视觉重点实验室，西安电子科技大学，西安710071，中国） ； Key Laboratory of Collaborative Intelligence Systems, Ministry of Education, Xidian University, Xi’an 710071, China（协同智能系统重点实验室，教育部，西安电子科技大学，西安710071，中国） ； School of Computer Science and Technology, Xidian University, Xi’an 710071, China（计算机科学与技术学院，西安电子科技大学，西安710071，中国） 纠错

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

CineScale: Free Lunch in High-Resolution Cinematic Visual Generation

Haonan Qiu, Ning Yu, Ziqi Huang, Paul Debevec, Ziwei Liu

机构 * Nanyang Technological University（南洋理工大学） ； Netflix Eyeline Studios 纠错

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

Comments CineScale is an extended work of FreeScale (ICCV 2025). Project Page: https://eyeline-labs.github.io/CineScale/, Code Repo: https://github.com/Eyeline-Labs/CineScale

Scaling Group Inference for Diverse and High-Quality Generation

Gaurav Parmar, Or Patashnik, Daniil Ostashev, Kuan-Chieh Wang, Kfir Aberman, Srinivasa Narasimhan, Jun-Yan Zhu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Snap Research（Snap研究公司） ； Tel Aviv University（特拉维夫大学） 纠错

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

Comments Project website: https://www.cs.cmu.edu/~group-inference, GitHub: https://github.com/GaParmar/group-inference

TiP4GEN: Text to Immersive Panorama 4D Scene Generation

Ke Xing, Hanwen Liang, Dejia Xu, Yuyang Yin, Konstantinos N. Plataniotis, Yao Zhao, Yunchao Wei

机构 * Institute of Information Science, Beijing Jiaotong University（信息科学研究院，北京交通大学） ； Visual Intelligence + X International Joint Laboratory（视觉智能+X国际联合实验室） ； University of Toronto（多伦多大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

Comments Accepted In Proceedings of the 33rd ACM International Conference on Multimedia (MM' 25)

DreamSwapV: Mask-guided Subject Swapping for Any Customized Video Editing

Weitao Wang, Zichen Wang, Hongdeng Shen, Yulei Lu, Xirui Fan, Suhui Wu, Jun Zhang, Haoqian Wang, Hao Zhang

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

Sketch3DVE: Sketch-based 3D-Aware Scene Video Editing

Feng-Lin Liu, Shi-Yang Li, Yan-Pei Cao, Hongbo Fu, Lin Gao

机构 * Institute of Computing Technology, Chinese Academy of Sciences, China（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Hong Kong University of Science（香港科学大学） 纠错

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

Comments SIGGRAPH 2025

EgoTwin: Dreaming Body and View in First Person

Jingqiao Xiu, Fangzhou Hong, Yicong Li, Mengze Li, Wentao Wang, Sirui Han, Liang Pan, Ziwei Liu

机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

GenFlowRL: Shaping Rewards with Generative Object-Centric Flow in Visual Reinforcement Learning

Kelin Yu, Sheng Zhang, Harshit Soora, Furong Huang, Heng Huang, Pratap Tokekar, Ruohan Gao

机构 * University of Maryland, College Park（马里兰大学 College Park分校） 纠错

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

Comments Published at ICCV 2025

Multimodal LLM-based Query Paraphrasing for Video Search

Jiaxin Wu, Chong-Wah Ngo, Wing-Kwong Chan, Sheng-Hua Zhong, Xiong-Yong Wei, Qing Li

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

DreamVE: Unified Instruction-based Image and Video Editing

Bin Xia, Jiyang Liu, Yuechen Zhang, Bohao Peng, Ruihang Chu, Yitong Wang, Xinglong Wu, Bei Yu, Jiaya Jia

机构 * CUHK（香港中文大学） ； ByteDance Inc（字节跳动公司） ； HKUST（香港理工大学） 纠错

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

Generative Video Bi-flow

Chen Liu, Tobias Ritschel

机构 * University College London（伦敦大学学院） 纠错

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

Comments ICCV 2025. Project Page at https://ryushinn.github.io/ode-video

D3: Training-Free AI-Generated Video Detection Using Second-Order Features

Chende Zheng, Ruiqi suo, Chenhao Lin, Zhengyu Zhao, Le Yang, Shuai Liu, Minghui Yang, Cong Wang, Chao Shen

机构 * Xi’an Jiaotong University（西安交通大学） ； Guangdong OPPO Mobile Communications Co., Ltd.（广东OPPO移动通信有限公司） ； City University of Hong Kong（香港城市大学） 纠错

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

Comments 8 pages, 4 figures

Controllable Pedestrian Video Editing for Multi-View Driving Scenarios via Motion Sequence

Danzhen Fu, Jiagao Hu, Daiguo Zhou, Fei Wang, Zepeng Wang, Wenhua Liao

机构 * MiLM Plus, Xiaomi Inc.（小米公司） 纠错

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

Comments ICCV 2025 Workshop (HiGen)

SteerX: Creating Any Camera-Free 3D and 4D Scenes with Geometric Steering

Byeongjun Park, Hyojun Go, Hyelin Nam, Byung-Hoon Kim, Hyungjin Chung, Changick Kim

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

Comments Project page: https://byeongjun-park.github.io/SteerX/

V2M4: 4D Mesh Animation Reconstruction from a Single Monocular Video

Jianqi Chen, Biao Zhang, Xiangjun Tang, Peter Wonka

专题命中 视频生成 ：video generation(abstract)；分类 eess.IV

Comments Accepted by ICCV 2025. Project page: https://windvchen.github.io/V2M4/

Compositional Video Synthesis by Temporal Object-Centric Learning

Adil Kaan Akan, Yucel Yemez

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

Comments 12+21 pages, submitted to IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), currently under review

Aether: Geometric-Aware Unified World Modeling

Aether Team, Haoyi Zhu, Yifan Wang, Jianjun Zhou, Wenzheng Chang, Yang Zhou, Zizun Li, Junyi Chen, Chunhua Shen, Jiangmiao Pang, Tong He

机构 * USTC Shanghai AI Lab（USTC上海人工智能实验室） ； SII SJTU（SJTU信息研究所） ； ZJU FDU（浙江大学福州大学） 纠错

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

Comments Project Page: https://aether-world.github.io/

Qffusion: Controllable Portrait Video Editing via Quadrant-Grid Attention Learning

Maomao Li, Lijian Lin, Yunfei Liu, Ye Zhu, Yu Li

机构 * International Digital Economy Academy (IDEA)（国际数字经济学院） 纠错

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

Comments 19 pages

Journal ref TVCG 2025

Efficient Physics Simulation for 3D Scenes via MLLM-Guided Gaussian Splatting

Haoyu Zhao, Hao Wang, Xingyue Zhao, Hao Fei, Hongqiu Wang, Chengjiang Long, Hua Zou

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Wuhan National Laboratory for Optoelectronics, Huazhong University of Science and Technology（华中科技大学光电研究院） ； Meta Reality Lab（Meta现实实验室） ； Xi’an Jiao Tong University（西安交通大学） ； National University of Singapore（新加坡国立大学） ； The Department of Systems Hub, Hong Kong University of Science and Technology (Guangzhou)（香港科技大学系统枢纽部门（广州）） 纠错

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

Comments ICCV 2025

MagicDrive3D: Controllable 3D Generation for Any-View Rendering in Street Scenes

Ruiyuan Gao, Kai Chen, Zhihao Li, Lanqing Hong, Zhenguo Li, Qiang Xu

机构 * CUHK（香港中文大学） ； HKUST（香港理工大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

Comments Project Page: https://flymin.github.io/magicdrive3d

PosePilot: Steering Camera Pose for Generative World Models with Self-supervised Depth

Bu Jin, Weize Li, Baihan Yang, Zhenxin Zhu, Junpeng Jiang, Huan-ang Gao, Haiyang Sun, Kun Zhan, Hengtong Hu, Xueyang Zhang, Peng Jia, Hao Zhao

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Li Auto ； BAAI（北京人工智能研究院） 纠错

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

Comments Accepted at IEEE/RSJ IROS 2025

Detecting Deepfake Talking Heads from Facial Biometric Anomalies

Justin D. Norman, Hany Farid

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

Comments 10 pages, 3 figures, 3 tables