Realizing a quantum generative adversarial network using a programmable superconducting processor
专题命中 视频生成 ：video generation(abstract)
Journal ref npj Quantum Inf 7, 165 (2021)
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。
1. 视频生成 2156 篇
Disentangled Recurrent Wasserstein Autoencoder
专题命中 视频生成 ：video generation(abstract)
Comments ICLR 2021
EEG to fMRI Synthesis: Is Deep Learning a candidate?
专题命中 视频生成 ：video generation(abstract)
Quantum generative adversarial learning in a superconducting quantum circuit
专题命中 视频生成 ：video generation(abstract)
Comments 5 pages, 4 figures, Comments are welcome
Journal ref Sci. Adv. 5, eaav2761 (2019)
2. 视频扩散模型 1308 篇
Latent Video Diffusion Models for High-Fidelity Long Video Generation
专题命中 视频扩散模型 ：video generation(title,abstract)；video diffusion(title,abstract)；long video(title,abstract)；text-to-video(abstract)
Comments Project Page: https://yingqinghe.github.io/LVDM/ Github: https://github.com/YingqingHe/LVDM
Corruption-Aware Training of Latent Video Diffusion Models for Robust Text-to-Video Generation
面向鲁棒文本到视频生成的潜变量视频扩散模型腐蚀感知训练
机构 * William & Mary（威廉与玛丽学院） ； Carnegie Mellon University（卡内基梅隆大学） ； The University of Hong Kong（香港大学）
专题命中 视频扩散模型 ：video generation(title,abstract)；video diffusion(title,abstract)；text-to-video(title)；video understanding(abstract)
AI总结 本文提出CAT-LVDM框架，通过结构化噪声注入提升视频扩散模型的鲁棒性，实验显示其在多个数据集上优于传统方法，且能扩展至自回归生成和多模态视频理解模型。
Comments ICLR 2026 ReALM-GEN
Ouroboros-Diffusion: Exploring Consistent Content Generation in Tuning-free Long Video Diffusion
专题命中 视频扩散模型 ：video diffusion(title,abstract)；long video(title,abstract)；video generation(abstract)；text-to-video(abstract)
Long Video Diffusion Generation with Segmented Cross-Attention and Content-Rich Video Data Curation
专题命中 视频扩散模型 ：video diffusion(title,abstract)；long video(title,abstract)；video generation(abstract)；分类 cs.CV、cs.MM
Comments This paper is accepted by CVPR 2025
Control-A-Video: Controllable Text-to-Video Diffusion Models with Motion Prior and Reward Feedback Learning
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title,abstract)；video generation(abstract)；分类 cs.CV、cs.MM
SKeDA: A Generative Watermarking Framework for Text-to-video Diffusion Models
SKeDA：一种面向文本到视频扩散模型的生成水印框架
机构 * School of Electronic and Information Engineering, Anhui University（安徽大学电子与信息工程学院） ； Anhui Province Key Laboratory of Digital Security and the CAS Key Laboratory of Electromagnetic Space Information, University of Science and Technology of China（安徽省数字安全重点实验室和中国科学院电磁空间信息重点实验室，中国科学技术大学） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院）
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title,abstract)；video generation(abstract)；分类 cs.CV
AI总结 SKeDA是一种专为文本到视频扩散模型设计的生成水印框架，通过分布保持采样和差分注意机制提升水印的鲁棒性和可靠性。
Comments 11 pages, 6 figures
MagicMirror: ID-Preserved Video Generation in Video Diffusion Transformers
MagicMirror: 视频扩散变换器中的身份保留视频生成
专题命中 视频扩散模型 ：video generation(title,abstract)；video diffusion(title,abstract)；text-to-video(abstract)；分类 cs.CV
AI总结 MagicMirror通过双分支特征提取器和两阶段训练策略，在视频扩散变换器中实现高质量身份保留视频生成，优于现有方法。
Comments ICCV 2025, It is best viewed in Acrobat. Project Page: https://julianjuaner.github.io/projects/MagicMirror/
Unlearning Concepts from Text-to-Video Diffusion Models
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title,abstract)；video generation(abstract)；分类 cs.CV
Tuning-Free Long Video Generation via Global-Local Collaborative Diffusion
专题命中 视频扩散模型 ：video generation(title,abstract)；long video(title,abstract)；video diffusion(abstract)；分类 cs.CV
UniCtrl: Improving the Spatiotemporal Consistency of Text-to-Video Diffusion Models via Training-Free Unified Attention Control
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title,abstract)；video generation(abstract)；分类 cs.CV
Comments Accepted to TMLR | Project Page: https://unified-attention-control.github.io/
VidProM: A Million-scale Real Prompt-Gallery Dataset for Text-to-Video Diffusion Models
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title,abstract)；video generation(abstract)；分类 cs.CV
Comments Accepted by NeurIPS 2024 (Datasets and Benchmarks Track)
CoNo: Consistency Noise Injection for Tuning-free Long Video Diffusion
专题命中 视频扩散模型 ：video diffusion(title,abstract)；long video(title,abstract)；video generation(abstract)；分类 cs.CV
Comments 21 pages
360DVD: Controllable Panorama Video Generation with 360-Degree Video Diffusion Model
专题命中 视频扩散模型 ：video generation(title,abstract)；video diffusion(title,abstract)；text-to-video(abstract)；分类 cs.CV
Comments arXiv admin note: text overlap with arXiv:2307.04725 by other authors
TI2V-Zero: Zero-Shot Image Conditioning for Text-to-Video Diffusion Models
专题命中 视频扩散模型 ：text-to-video(title,abstract)；video diffusion(title)；video generation(abstract)；long video(abstract)
Comments CVPR 2024
VMC: Video Motion Customization using Temporal Attention Adaption for Text-to-Video Diffusion Models
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title,abstract)；video generation(abstract)；分类 cs.CV
Comments Project page: https://video-motion-customization.github.io
SEINE: Short-to-Long Video Diffusion Model for Generative Transition and Prediction
专题命中 视频扩散模型 ：video diffusion(title,abstract)；long video(title,abstract)；video generation(abstract)；分类 cs.CV
Comments Project page: https://vchitect.github.io/SEINE-project/
MotionDirector: Motion Customization of Text-to-Video Diffusion Models
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title,abstract)；video generation(abstract)；分类 cs.CV
Comments Project Page: https://showlab.github.io/MotionDirector/
Gen-L-Video: Multi-Text to Long Video Generation via Temporal Co-Denoising
专题命中 视频扩散模型 ：video generation(title,abstract)；long video(title,abstract)；video diffusion(abstract)；分类 cs.CV
Comments The code is available at https://github.com/G-U-N/Gen-L-Video
Temporal Concentration from Rollout Errors: Implicit Preference Optimization for Text-to-Video Diffusion
基于回退误差的时间集中：文本到视频扩散的隐式偏好优化
机构 * Tsinghua University（清华大学） ； Kuaishou Technology（快手科技） ； Sun Yat-sen University（中山大学）
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title)；video generation(abstract)；分类 cs.CV
AI总结 针对文本到视频扩散模型的时间稀疏伪影问题，本文提出集中式隐式偏好优化（cIPO）框架，通过回退误差推导隐式偏好信号，将优化集中于高误差片段，有效提升了视频的真实性与时间连贯性。
Comments project page: https://henglin-liu.github.io/cIPO_vis/
TPD: Temporal Prior Decoupling for Text-to-Video Diffusion Models
TPD：用于文本到视频扩散模型的时间先验解耦
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title,abstract)；分类 cs.CV
AI总结 该研究针对文本到视频扩散模型的时间先验抑制问题，提出无需训练的TPD框架，通过帧选择性下界约束恢复被抑制的后期片段信号，提升后期概念实现效果且与骨干无关。
Boundary-Protection W8A8 HiFloat8 Quantization for Large-Scale Text-to-Video Diffusion Transformers
面向大规模文生视频扩散Transformer的边界保护W8A8 HiFloat8量化
机构 * Yiming Zhao（赵毅铭）
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title,abstract)；分类 cs.CV
AI总结 针对Wan2.1-T2V-14B模型，提出一种边界保护策略的W8A8 HiF8后训练量化方法，通过保留首尾边界块为BF16而量化中间块，在VBench五个维度上匹配或略优于BF16基线。
Comments 6 pages, 5 figures. Accepted to ICME 2026 Grand Challenge
LVSA: Training-Free Sparse Attention for Long Video Diffusion
LVSA：长视频扩散的无训练稀疏注意力
机构 * Distributed Parallel Technology Laboratory, Paris Research Center, Huawei Technologies France（华为法国巴黎研究中心分布式并行技术实验室） ； AI Framework and Data Technology Lab, Huawei Technologies Co., Ltd.（华为技术有限公司人工智能框架与数据技术实验室）
专题命中 视频扩散模型 ：video diffusion(title,abstract)；long video(title,abstract)；分类 cs.CV
AI总结 提出一种无需训练、模型无关的块稀疏注意力方法LVSA，通过结构化窗口模式与旋转全局锚点结合，在降低长视频扩散推理计算成本的同时消除固定网格偏差，支持超训练时域的视频生成。
Comments 10 pages, 5 figures, 4 tables. Code: https://github.com/JiusiServe/LongVideoSparseAttention
Where Concept Erasure Should Occur: Concept-Layer Alignment in Text-to-Video Diffusion Models
概念擦除应发生在何处：文本到视频扩散模型中的概念-层对齐
机构 * The School of Artificial Intelligence and Automation, Huazhong University of Science and Technology, Wuhan 430074, China（人工智能与自动化学院，华中科技大学，武汉430074，中国） ； Department of Computer Science and Engineering, University of Nevada, Reno, NV, USA（计算机科学与工程系，内华达大学里诺分校，内华达州，美国）
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title,abstract)；分类 cs.CV
AI总结 本文通过识别概念-层拓扑对齐瓶颈，提出基于可分离性优化的CLEAR框架，在文本到视频扩散模型中实现精确的概念擦除并保持生成质量。
Comments Accepted by ICML 2026
When Numbers Speak: Aligning Textual Numerals and Visual Instances in Text-to-Video Diffusion Models
当数字说话：在文本到视频扩散模型中对齐文本数字和视觉实例
机构 * Huazhong University of Science and Technology（华中科技大学） ； Zhejiang University（浙江大学） ； Afari Intelligent Drive（阿法里智能驾驶）
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title,abstract)；分类 cs.CV
AI总结 本文提出NUMINA框架，通过识别和引导提升文本到视频扩散模型中数字对齐的准确性，实验显示在不同模型规模上均提升了计数精度，并保持了CLIP对齐和时间一致性。
Comments Accepted by CVPR 2026. Project page: https://h-embodvis.github.io/NUMINA
Enhancing Sketch Animation: Text-to-Video Diffusion Models with Temporal Consistency and Rigidity Constraints
增强草图动画：带有时间一致性和刚性约束的文本到视频扩散模型
机构 * Graphics Research Group, Indraprastha Institute of Information Technology Delhi（印度普拉斯塔信息技术研究所图形研究组）
专题命中 视频扩散模型 ：video diffusion(title,abstract)；text-to-video(title,abstract)；分类 cs.CV
AI总结 本文提出了一种基于文本到视频扩散模型的草图动画方法，通过引入时间一致性和刚性约束，提升了动画的平滑度和形状保持性。
FAIRT2V: Training-Free Debiasing for Text-to-Video Diffusion Models
FAIRT2V：无需训练的文本到视频扩散模型去偏框架
机构 * School of Computer Science and Engineering, University of New South Wales, Australia.（新南威尔士大学计算机科学与工程学院，澳大利亚） ； State Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室，中国）
专题命中 视频扩散模型 ：text-to-video(title,abstract)；video diffusion(title)；video generation(abstract)；分类 cs.CV
AI总结 FAIRT2V通过无需训练的去偏框架减少文本到视频扩散模型中的性别偏见，通过中和提示嵌入和动态去噪计划实现，有效降低偏见同时保持视频质量。
