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。

2026-03-04 至 2026-03-04 共收录 2 篇信号源：cs.CV, eess.IV, cs.MM

1. 长视频与时序推理 2 篇

2501.12477 2026-03-04 eess.IV cs.CV 62%

Slot-BERT: Self-supervised Object Discovery in Surgical Video

Slot-BERT: 在手术视频中实现自监督的对象发现

Guiqiu Liao, Matjaz Jogan, Marcel Hussing, Kenta Nakahashi, Kazuhiro Yasufuku, Amin Madani, Eric Eaton, Daniel A. Hashimoto

机构 * Outcomes Laboratory, Department of Surgery, University of Pennsylvania, Philadelphia, PA, USA. ； Department of Computer ； Information Science, University of Pennsylvania, Philadelphia, PA, USA. ； Division of Thoracic Surgery, Toronto General Hospital, University Health Network, Toronto, Ontario, Canada. ； Surgical Artificial Intelligence Research Academy, University Health Network, Toronto, ON, Canada.

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

AI总结 Slot-BERT通过双向长距离模型在手术视频中实现自监督的对象发现，提升时间一致性和跨领域适应能力。

Comments Accepted to Medical Image Analysis Journal, 2026

2506.08862 2026-03-04 cs.CV cs.LG 57%

StreamSplat: Towards Online Dynamic 3D Reconstruction from Uncalibrated Video Streams

StreamSplat: 向动态3D重建的在线方法：从未校准视频流中

Zike Wu, Qi Yan, Xuanyu Yi, Lele Wang, Renjie Liao

机构 * University of British Columbia（不列颠哥伦比亚大学）； Vector Institute for AI（人工智能向量研究所）； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）； Nanyang Technological University（南洋理工大学）

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

AI总结 StreamSplat通过在线动态3D重建方法，实现从未校准视频流中快速生成高精度3DGS表示，支持任意长度视频的实时重建。

Comments Accepted by ICLR 2026, Project page: https://streamsplat3d.github.io/