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。

2026-03-06 至 2026-03-06 共收录 4 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频扩散模型 4 篇

2603.05315 2026-03-06 cs.CV 57%

面向频率的误差有界缓存用于加速扩散变换器

Guandong Li

机构 * iFLYTEK

专题命中视频扩散模型：video generation(abstract)；分类 cs.CV

AI总结 SpectralCache通过统一缓存框架提升扩散变换器推理速度，实现2.46倍加速，质量与TeaCache相当。

2411.19210 2026-03-06 cs.CV 57%

在一切之后跟踪任何东西：零样本无遮挡视频对象分割

Finlay G. C. Hudson, William A. P. Smith

机构 * Department of Computer Science University of York（计算机科学系约克大学）

专题命中视频扩散模型：video diffusion(abstract)；分类 cs.CV

AI总结 TABE通过单个查询掩码实现零样本无遮挡视频对象分割，利用预训练视频扩散模型进行生成补全，无需重新训练模型即可处理完全遮挡场景。

2603.05081 2026-03-06 cs.CV 57%

正交时空分布式转移用于4D生成

Wei Liu, Shengqiong Wu, Bobo Li, Haoyu Zhao, Hao Fei, Mong-Li Lee, Wynne Hsu

专题命中视频扩散模型：video diffusion(abstract)；分类 cs.CV

AI总结本文提出正交时空分布式转移机制，通过解耦空间和时间潜在变量提升4D生成的质量和一致性。

Comments 9 pages, 6 figures, 3 tables, AAAI

2512.05106 2026-03-06 cs.CV cs.GR cs.LG cs.RO 57%

NeuralRemaster: 保留相位的扩散用于结构对齐生成

Yu Zeng, Charles Ochoa, Mingyuan Zhou, Vishal M. Patel, Vitor Guizilini, Rowan McAllister

机构 * Toyota Research Institute（丰田研究院）； University of Texas, Austin（德克萨斯大学奥斯汀分校）； Johns Hopkins University（约翰霍普金斯大学）

专题命中视频扩散模型：video generation(abstract)；分类 cs.CV

AI总结 NeuralRemaster通过保留相位并随机化幅度，实现结构对齐的图像和视频生成，提升模拟到现实的转换性能。