视频大模型

FlexTraj: Image-to-Video Generation with Flexible Point Trajectory Control

Zhiyuan Zhang, Can Wang, Dongdong Chen, Jing Liao

机构 * City University of Hong Kong（香港城市大学） ； The University of Hong Kong（香港大学） ； Microsoft GenAI（微软生成人工智能） 纠错

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

Comments Project Page: https://bestzzhang.github.io/FlexTraj

MAGREF: Masked Guidance for Any-Reference Video Generation with Subject Disentanglement

Yufan Deng, Yuanyang Yin, Xun Guo, Yizhi Wang, Jacob Zhiyuan Fang, Shenghai Yuan, Yiding Yang, Angtian Wang, Bo Liu, Haibin Huang, Chongyang Ma

机构 * Intelligent Creation ByteDance（智能创作字节跳动） 纠错

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

Comments Code: https://github.com/MAGREF-Video/MAGREF/; Project website: https://magref-video.github.io/

Drive&Gen: Co-Evaluating End-to-End Driving and Video Generation Models

Jiahao Wang, Zhenpei Yang, Yijing Bai, Yingwei Li, Yuliang Zou, Bo Sun, Abhijit Kundu, Jose Lezama, Luna Yue Huang, Zehao Zhu, Jyh-Jing Hwang, Dragomir Anguelov, Mingxing Tan, Chiyu Max Jiang

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Waymo ； Google DeepMind（谷歌DeepMind） 纠错

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

Comments Accepted by IROS 2025

Bridging Text and Video Generation: A Survey

Nilay Kumar, Priyansh Bhandari, G. Maragatham

机构 * Department of Computational Intelligence（计算智能系） ； SRM Institute of Science and Technology（SRM科学与技术学院） 纠错

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

Controllable Video Generation with Provable Disentanglement

Yifan Shen, Peiyuan Zhu, Zijian Li, Shaoan Xie, Namrata Deka, Zongfang Liu, Zeyu Tang, Guangyi Chen, Kun Zhang

机构 * Mohamed bin Zayed University of Artificial Intelligence（莫扎德·本·扎耶德人工智能大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

Pack and Force Your Memory: Long-form and Consistent Video Generation

Xiaofei Wu, Guozhen Zhang, Zhiyong Xu, Yuan Zhou, Qinglin Lu, Xuming He

机构 * ShanghaiTech University（上海科技大学） ； Tencent Hunyuan（腾讯文言） ； Nanjing University（南京大学） 纠错

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

Diffusion Adversarial Post-Training for One-Step Video Generation

Shanchuan Lin, Xin Xia, Yuxi Ren, Ceyuan Yang, Xuefeng Xiao, Lu Jiang

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

Comments ICML 2025

From Seeing to Predicting: A Vision-Language Framework for Trajectory Forecasting and Controlled Video Generation

Fan Yang, Zhiyang Chen, Yousong Zhu, Xin Li, Jinqiao Wang

机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（基础模型研究中心、自动化研究所、中国科学院） ； Peng Cheng Laboratory, Shenzhen, China（鹏城实验室、深圳中国） ； School of Artificial Intelligence, University of Chinese Academy of Science, Beijing, China（人工智能学院、中国科学院大学、北京中国） ； Wuhan AI Research, Wuhan, China（武汉人工智能研究、武汉中国） ； MAPLE Lab, Westlake University（MAPLE实验室、西湖大学） 纠错

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

FreeAction: Training-Free Techniques for Enhanced Fidelity of Trajectory-to-Video Generation

Seungwook Kim, Seunghyeon Lee, Minsu Cho

机构 * POSTECH ； Ewha Womans University（成均馆大学） ； RLWRLD 纠错

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

Comments 8 pages, 4 figures, accepted to CoRL 2025 LSRW workshop

Autoregressive Video Generation beyond Next Frames Prediction

Sucheng Ren, Chen Chen, Zhenbang Wang, Liangchen Song, Xiangxin Zhu, Alan Yuille, Yinfei Yang, Jiasen Lu

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Apple（苹果公司） 纠错

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

Uni3C: Unifying Precisely 3D-Enhanced Camera and Human Motion Controls for Video Generation

Chenjie Cao, Jingkai Zhou, Shikai Li, Jingyun Liang, Chaohui Yu, Fan Wang, Xiangyang Xue, Yanwei Fu

机构 * Alibaba DAMO Academy（阿里巴巴达摩院） ； Fudan University（复旦大学） ； Hupan Lab（虎扑实验室） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

Comments Project page: https://github.com/ewrfcas/Uni3C. Accepted by Siggraph Asian 2025

Lynx: Towards High-Fidelity Personalized Video Generation

Shen Sang, Tiancheng Zhi, Tianpei Gu, Jing Liu, Linjie Luo

机构 * ByteDance（字节跳动） 纠错

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

Comments Lynx Technical Report

OpenViGA: Video Generation for Automotive Driving Scenes by Streamlining and Fine-Tuning Open Source Models with Public Data

Björn Möller, Zhengyang Li, Malte Stelzer, Thomas Graave, Fabian Bettels, Muaaz Ataya, Tim Fingscheidt

机构 * Technische Universität Braunschweig（布拉unsch维格技术大学） 纠错

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

SwiftVideo: A Unified Framework for Few-Step Video Generation through Trajectory-Distribution Alignment

Yanxiao Sun, Jiafu Wu, Yun Cao, Chengming Xu, Yabiao Wang, Weijian Cao, Donghao Luo, Chengjie Wang, Yanwei Fu

机构 * Fudan University（复旦大学） ； Tencent Youtu Lab（腾讯优图实验室） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

T2V-Turbo-v2: Enhancing Video Generation Model Post-Training through Data, Reward, and Conditional Guidance Design

Jiachen Li, Qian Long, Jian Zheng, Xiaofeng Gao, Robinson Piramuthu, Wenhu Chen, William Yang Wang

机构 * UC Santa Barbara（加州大学圣芭芭拉分校） ； UC Los Angeles（加州大学洛杉矶分校） ； Amazon AGI（亚马逊人工智能实验室） ； University of Waterloo（滑铁卢大学） 纠错

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

Comments Accepted by ICLR 2025. Project Page: https://t2v-turbo-v2.github.io/

UniVerse-1: Unified Audio-Video Generation via Stitching of Experts

Duomin Wang, Wei Zuo, Aojie Li, Ling-Hao Chen, Xinyao Liao, Deyu Zhou, Zixin Yin, Xili Dai, Daxin Jiang, Gang Yu

机构 * The Hong Kong University of Science and Technology(GuangZhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学） 纠错

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

Comments Project page: https://dorniwang.github.io/UniVerse-1/

Hybrid-Tower: Fine-grained Pseudo-query Interaction and Generation for Text-to-Video Retrieval

Bangxiang Lan, Ruobing Xie, Ruixiang Zhao, Xingwu Sun, Zhanhui Kang, Gang Yang, Xirong Li

机构 * Renmin University of China（中国人民大学） ； Large Language Model Department, Tencent（腾讯大语言模型部门） 纠错

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

Comments Accepted to ICCV2025

Evaluating Text-to-Image and Text-to-Video Synthesis with a Conditional Fréchet Distance

Jaywon Koo, Jefferson Hernandez, Moayed Haji-Ali, Ziyan Yang, Vicente Ordonez

机构 * Rice University（里士大学） 纠错

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

Comments Added new video experiments and more image experiments to validate the method

Wan-S2V: Audio-Driven Cinematic Video Generation

Xin Gao, Li Hu, Siqi Hu, Mingyang Huang, Chaonan Ji, Dechao Meng, Jinwei Qi, Penchong Qiao, Zhen Shen, Yafei Song, Ke Sun, Linrui Tian, Guangyuan Wang, Qi Wang, Zhongjian Wang, Jiayu Xiao, Sheng Xu, Bang Zhang, Peng Zhang, Xindi Zhang, Zhe Zhang, Jingren Zhou, Lian Zhuo

机构 * Tongyi Lab, Alibaba（通义实验室，阿里巴巴） 纠错

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

SSG-Dit: A Spatial Signal Guided Framework for Controllable Video Generation

Peng Hu, Yu Gu, Liang Luo, Fuji Ren

机构 * School of Computer Science and Engineering, University of Electronic Science and Technology of China（计算机科学与工程学院，电子科技大学） 纠错

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

AnchorSync: Global Consistency Optimization for Long Video Editing

Zichi Liu, Yinggui Wang, Tao Wei, Chao Ma

机构 * MoE Key Lab of Artificial Intelligence, AI Institute Shanghai Jiao Tong University Shanghai China（人工智能联合实验室，人工智能研究院，上海交通大学） 纠错

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

Comments ACM MM 2025; Code is released at https://github.com/VISION-SJTU/AnchorSync

Precise Action-to-Video Generation Through Visual Action Prompts

Yuang Wang, Chao Wen, Haoyu Guo, Sida Peng, Minghan Qin, Hujun Bao, Xiaowei Zhou, Ruizhen Hu

机构 * Xiangjiang Lab（湘江实验室） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Shenzhen University（深圳大学） 纠错

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

Comments Accepted to ICCV 2025. Project page: https://zju3dv.github.io/VAP/

FancyVideo: Towards Dynamic and Consistent Video Generation via Cross-frame Textual Guidance

Jiasong Feng, Ao Ma, Jing Wang, Ke Cao, Zhanjie Zhang

机构 * AI Research（360人工智能研究院） ； Beijing University of Technology（北京理工大学） ； Wuhan University（武汉大学） ； Sun Yat-sen University（中山大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） 纠错

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

Comments Accepted by IJCAI 2025

Hierarchical Fine-grained Preference Optimization for Physically Plausible Video Generation

Harold Haodong Chen, Haojian Huang, Qifeng Chen, Harry Yang, Ser-Nam Lim

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

Comments Project Page: https://haroldchen19.github.io/PhysHPO-Page/

GV-VAD : Exploring Video Generation for Weakly-Supervised Video Anomaly Detection

Suhang Cai, Xiaohao Peng, Chong Wang, Xiaojie Cai, Jiangbo Qian

机构 * China Telecom Corporation Limited Wenzhou Branch（中国电信有限公司温州支公司） ； Faculty of Electrical Engineering and Computer Science, Ningbo University（宁波大学电子工程与计算机科学学院） 纠错

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

Quantifying and Narrowing the Unknown: Interactive Text-to-Video Retrieval via Uncertainty Minimization

Bingqing Zhang, Zhuo Cao, Heming Du, Yang Li, Xue Li, Jiajun Liu, Sen Wang

机构 * The University of Queensland, Australia（昆士兰大学） ； CSIRO Data61, Australia（澳大利亚CSIRO数据61） 纠错

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

Comments Accepted by ICCV 2025

Can Your Model Separate Yolks with a Water Bottle? Benchmarking Physical Commonsense Understanding in Video Generation Models

Enes Sanli, Baris Sarper Tezcan, Aykut Erdem, Erkut Erdem

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

Free-Form Motion Control: Controlling the 6D Poses of Camera and Objects in Video Generation

Xincheng Shuai, Henghui Ding, Zhenyuan Qin, Hao Luo, Xingjun Ma, Dacheng Tao

机构 * Fudan University（复旦大学） ； DAMO Academy, Alibaba group（阿里集团 DAMO 院） ； Hupan Lab（虎派实验室） ； Nanyang Technological University, Singapore（新加坡南洋理工大学） 纠错

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

Comments ICCV 2025, Project Page: https://henghuiding.github.io/SynFMC/

Encapsulated Composition of Text-to-Image and Text-to-Video Models for High-Quality Video Synthesis

Tongtong Su, Chengyu Wang, Bingyan Liu, Jun Huang, Dongming Lu

机构 * Zhejiang University（浙江大学） ； Alibaba Cloud Computing（阿里云计算） ； South China University of Technology（华南理工大学） 纠错

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

Democratizing High-Fidelity Co-Speech Gesture Video Generation

Xu Yang, Shaoli Huang, Shenbo Xie, Xuelin Chen, Yifei Liu, Changxing Ding

机构 * South China University of Technology（华南理工大学） ； Tencent AI Lab（腾讯AI实验室） 纠错

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

Comments ICCV 2025