AI 大模型
视频理解、视频生成、视频语言模型和时序视觉推理。
SneakPeek: 基于未来的指导性视频生成
机构 * Meta Superintelligence Labs（Meta超智能实验室） ； Seoul National University（首尔国立大学）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
AI总结 SneakPeek通过预测因果适应、未来引导自我强制和多提示条件，实现了基于未来的指导性视频生成，提高了时间一致性和可控性。
SMRABooth: 主体和运动表示对齐用于定制视频生成
机构 * Nanjing University of Posts and Telecommunications（南京邮电大学） ； Peng Cheng Laboratory（鹏城实验室）
专题命中 视频生成 ：video generation(title,abstract)；text-to-video(abstract)；分类 cs.CV
AI总结 SMRABooth通过自监督和光流编码器对齐主体和运动表示，提升定制视频生成中主体外观和运动模式的一致性。
LeMiCa：基于词典极小极大路径缓存的高效扩散式视频生成
机构 * Data Science & Artificial Intelligence Research Institute, China Unicom（数据科学与人工智能研究院，中国联合电信） ； Unicom Data Intelligence, China Unicom（中国联合电信数据智能中心）
专题命中 视频生成 ：video generation(title,abstract)；text-to-video(abstract)；分类 cs.CV
AI总结 LeMiCa通过词典极小极大路径优化策略，提升扩散式视频生成的推理速度与生成质量，实现高效且高质量的视频合成。
Comments NeurIPS 2025 Spotlight
MoReGen：基于代码领域的文本到视频合成多智能体运动-推理引擎
机构 * Northeastern University（东北大学） ； University of Oxford（牛津大学） ； Microsoft Research（微软研究院）
专题命中 视频生成 ：text-to-video(title,abstract)；video generation(abstract)；分类 cs.CV
AI总结 MoReGen通过整合多智能体大语言模型、物理模拟器和渲染器，实现了基于代码领域的文本到视频合成，强调物理精度和运动一致性，为生成符合物理原理的视频提供了一种新的方法。
EgoX：从单个外视视频生成自视视频
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
AI总结 EgoX通过轻量级LoRA适应和统一条件策略，从单个外视视频生成自视视频，实现几何一致且逼真的视频生成，具有高可扩展性和鲁棒性。
Comments 21 pages, project page : https://keh0t0.github.io/EgoX
听觉有助于视觉吗？研究音频视频联合去噪用于视频生成
机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团）
专题命中 视频生成 ：video generation(title,abstract)；text-to-video(abstract)；分类 cs.CV
AI总结 本文提出通过音频视频联合去噪提升视频生成质量，验证了跨模态训练对构建更物理基础的世界模型的潜力。
Comments Project page at https://jianzongwu.github.io/projects/does-hearing-help-seeing/
驯服受控摄像机视频生成的可验证几何奖励
机构 * AIsphere ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
AI总结 本文提出了一种在线强化学习框架，通过可验证的几何奖励提升摄像机控制的视频生成精度与一致性。
Comments 11 pages, 4 figures, 7 tables
视频生成中重力的作用：基于可验证奖励的后训练牛顿定律
机构 * Stony Brook University（石溪大学） ； LIX, École Polytechnique, CNRS, IPP（巴黎政治学院LIX研究所、法国国家科学研究中心、IPPP）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
AI总结 NewtonRewards通过可验证奖励机制提升视频生成的物理合理性与运动流畅度。
Comments Project page: https://cvlab-stonybrook.github.io/NewtonRewards
3MDiT：用于文本驱动同步音频视频生成的统一三模态扩散变换器
机构 * Zhejiang University（浙江大学） ； Huawei（华为） ； Nanyang Technological University（南洋理工大学）
专题命中 视频生成 ：video generation(title,abstract)；text-to-video(abstract)；分类 cs.MM
AI总结 3MDiT提出了一种统一三模态扩散变换器，通过联合演变流实现文本驱动的同步音频视频生成，提升多模态对齐与同步性能。
多样视频生成与确定性点过程引导的策略优化
机构 * Virginia Tech（弗吉尼亚理工大学）
专题命中 视频生成 ：video generation(title,abstract)；text-to-video(abstract)；分类 cs.CV
AI总结 本文提出DPP-GRPO框架，结合DPP和GRPO理论，通过显式奖励提升视频生成的多样性，同时保持高质量和提示一致性。
Comments Project webpage: https://diverse-video.github.io/
EgoControl: 通过3D全身姿态实现可控的目视视频生成
机构 * University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉玛尔人工智能与机器学习研究所） ； NVIDIA（NVIDIA公司）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
AI总结 EgoControl通过3D全身姿态控制生成高质量的目视视频，实现对动作的精细控制，推动具身AI的发展。
Plan-X: 通过语义规划指导视频生成
机构 * Duke University（杜克大学） ； Princeton University（普林斯顿大学） ； ByteDance Intelligent Creation（字节跳动智能创作） ； Apple（苹果公司）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
AI总结 Plan-X通过语义规划框架减少视频生成中的视觉幻觉，实现与多模态上下文一致的精细指令对齐生成。
Comments The project page is at https://byteaigc.github.io/Plan-X
基于帧级条件的微调扩散模型用于文本到视频预测
专题命中 视频生成 ：text-to-video(title,abstract)；video generation(abstract)；分类 cs.CV
AI总结 本文提出帧级条件适应方法，通过引入帧级文本嵌入提升文本到视频预测的连续性与生成质量。
Comments Accepted by TMLR, 11/2025. 29 pages, 15 figures
专题命中 视频生成 ：video generation(title,abstract)；text-to-video(abstract)；分类 cs.CV
Comments AAAI 2026, Project website: https://zunwang1.github.io/DreamRunner
专题命中 视频生成 ：video generation(title,abstract)；text-to-video(abstract)；分类 cs.CV
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； National University of Singapore（新加坡国立大学）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； University of Chicago（芝加哥大学） ； Stanford University（斯坦福大学）
专题命中 视频生成 ：video generation(title,abstract)；long video(abstract)；分类 cs.CV
机构 * MoE Key Lab of Artificial, AI Institute, Shanghai Jiao Tong University（人工智能研究院，上海交通大学） ； Vertex Lab（Vertex实验室） ； Australian National University（澳大利亚国立大学）
专题命中 视频生成 ：video generation(title,abstract)；text-to-video(abstract)；分类 cs.CV
Comments Project page: https://wolfball.github.io/bachvid
机构 * SKL-IOTSC, Computer and Information Science, University of Macau（澳门大学计算机与信息科学学院） ； Li Auto Inc（利汽车公司）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
Comments NeurIPS 2025
机构 * Intelligent Creation Lab, ByteDance（字节跳动智能创作实验室） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
Comments Website: https://bytedance.github.io/Video-As-Prompt
机构 * University of Virginia（弗吉尼亚大学） ； Adobe Research（Adobe研究）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
机构 * LY Corporation（LY公司）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
Comments 17 pages
机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； Snap Inc（Snap公司）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
Comments Project Page: \url{https://snap-research.github.io/PointVidGen/}
机构 * Google（谷歌）
专题命中 视频生成 ：video generation(title,abstract)；text-to-video(abstract)；分类 cs.CV
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Bytedance, Intelligent Creation（字节跳动，智能创作）
专题命中 视频生成 ：video generation(title,abstract)；text-to-video(abstract)；分类 cs.CV
机构 * Nanyang Technological University（南洋理工大学） ； StepFun ； Westlake University（西湖大学）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； VCIP & TMCC & DISSec, College of Computer Science, Nankai University（南开大学计算机学院） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Queen Mary University of London（伦敦大学玛丽女王学院）
专题命中 视频生成 ：video generation(title)；video diffusion(abstract)；text-to-video(abstract)；分类 cs.CV
Comments IJCAI2025
机构 * Mohamed bin Zayed University of Artificial Intelligence（莫莫德·宾·扎耶德人工智能大学）
专题命中 视频生成 ：video generation(title,abstract)；text-to-video(abstract)；分类 cs.CV
机构 * EverEx ； University of Michigan（密歇根大学） ； ETH Zurich（苏黎世联邦理工学院） ； Yonsei University（延世大学）
专题命中 视频生成 ：text-to-video(title)；video generation(abstract)；video diffusion(abstract)；分类 cs.CV
Comments 18 pages, 7 figures, Project Page:https://hyelinnam.github.io/Cameo/
机构 * South China University of Technology（南方科技大学） ； Google DeepMind（谷歌DeepMind） ； UC Merced（加州大学默塞德分校）
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
Comments CVPR 2025
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈