视频大模型

Real-Time Motion-Controllable Autoregressive Video Diffusion

实时可控的自回归视频扩散

Kesen Zhao, Jiaxin Shi, Beier Zhu, Junbao Zhou, Xiaolong Shen, Yuan Zhou, Qianru Sun, Hanwang Zhang

机构 * Nanyang Technological University（南洋理工大学） ； Xmax.AI Ltd（Xmax.AI有限公司） ； Zhejiang University（浙江大学） ； Singapore Management University（新加坡国立大学） 纠错

专题命中 视频扩散模型 ：video diffusion(title,abstract)；video generation(abstract)；text-to-video(abstract)；分类 cs.CV

AI总结 AR-Drag是一种基于强化学习的实时图像到视频生成模型，通过自回归机制和轨迹奖励模型实现高效运动控制，提升视频生成质量和效率。

HiAR: Efficient Autoregressive Long Video Generation via Hierarchical Denoising

HiAR：通过分层去噪实现高效的自回归长视频生成

Kai Zou, Dian Zheng, Hongbo Liu, Tiankai Hang, Bin Liu, Nenghai Yu

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

AI总结 HiAR通过分层去噪框架在保持时间连续性的同时减少误差传播，实现高效长视频生成。

Comments Project page: https://jacky-hate.github.io/HiAR/ Code: https://github.com/Jacky-hate/HiAR

S$^2$Q-VDiT: Accurate Quantized Video Diffusion Transformer with Salient Data and Sparse Token Distillation

S$^2$Q-VDiT: 精确量化视频扩散变换器与显著数据和稀疏令牌蒸馏

Weilun Feng, Haotong Qin, Chuanguang Yang, Xiangqi Li, Han Yang, Yuqi Li, Zhulin An, Libo Huang, Michele Magno, Yongjun Xu

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

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

AI总结 S$^2$Q-VDiT通过显著数据选择和稀疏令牌蒸馏提升视频扩散变换器的量化性能，实现无损压缩和加速推理。

Comments Accepted by NeurIPS 2025

Interpretable Motion-Attentive Maps: Spatio-Temporally Localizing Concepts in Video Diffusion Transformers

可解释的运动注意力图：在视频扩散变换器中进行时空定位概念

Youngjun Jun, Seil Kang, Woojung Han, Seong Jae Hwang

机构 * Yonsei University（延世大学） 纠错

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

AI总结 本文提出一种可解释的运动注意力图方法，通过时空定位运动概念，提升视频扩散变换器的可解释性与定位能力。

Comments CVPR 2026

Vid2World: Crafting Video Diffusion Models to Interactive World Models

Vid2World: 构建视频扩散模型以交互式世界模型

Siqiao Huang, Jialong Wu, Qixing Zhou, Shangchen Miao, Mingsheng Long

机构 * Tsinghua University（清华大学） ； Chongqing University（重庆大学） 纠错

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

AI总结 Vid2World通过因果化视频扩散模型，提升其在交互式世界建模中的可控性和生成能力，适用于机器人操作、游戏模拟和开放世界导航等多种领域。

Comments Project page: http://knightnemo.github.io/vid2world/

QuantSparse: Comprehensively Compressing Video Diffusion Transformer with Model Quantization and Attention Sparsification

QuantSparse: 通过模型量化和注意力稀疏化全面压缩视频扩散变换器

Weilun Feng, Chuanguang Yang, Haotong Qin, Mingqiang Wu, Yuqi Li, Xiangqi Li, Zhulin An, Libo Huang, Yulun Zhang, Michele Magno, Yongjun Xu

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； ETH Zürich（苏黎世联邦理工学院） ； City College of New York, City University of New York, USA（纽约城市学院，纽约城市大学，美国） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 QuantSparse通过结合模型量化和注意力稀疏化，实现视频扩散变换器的高效压缩，提升性能并减少存储与推理时间。

Comments Accepted by ICLR 2026

TDM-R1: Reinforcing Few-Step Diffusion Models with Non-Differentiable Reward

TDM-R1: 通过非可微奖励强化少步扩散模型

Yihong Luo, Tianyang Hu, Weijian Luo, Jing Tang

机构 * Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； hi-Lab, Xiaohongshu Inc（小红书实验室） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 TDM-R1通过非可微奖励强化少步扩散模型，提升文本到图像生成性能

Comments https://luo-yihong.github.io/TDM-R1-Page/

Advances in GRPO for Generation Models: A Survey

生成模型中GRPO的进展：综述

Zexiang Liu, Xianglong He, Yangguang Li

机构 * SJTU（上海交通大学） ； THU（清华大学） ； CUHK（香港大学） 纠错

专题命中 视频扩散模型 ：video generation(abstract)

AI总结 本文综述了流GRPO在生成模型中的应用与进展，探讨了方法论改进和跨模态扩展，强调其作为通用对齐框架的重要性及未来挑战。