视频大模型

StreamDiT: Real-Time Streaming Text-to-Video Generation

StreamDiT：实时流式文本到视频生成

Akio Kodaira, Tingbo Hou, Ji Hou, Markos Georgopoulos, Felix Juefei-Xu, Masayoshi Tomizuka, Yue Zhao

机构 * UC Berkeley（加州大学伯克利分校） ； Meta 纠错

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

AI总结 本文提出StreamDiT模型，通过流匹配和混合训练提升内容一致性和视觉质量，实现16FPS实时视频生成，支持流式生成等实时应用。

Comments CVPR 2026

Think over Trajectories: Leveraging Video Generation to Reconstruct GPS Trajectories from Cellular Signaling

轨迹思考：利用视频生成从蜂窝信号中重建GPS轨迹

Ruixing Zhang, Hanzhang Jiang, Leilei Sun, Liangzhe Han, Jibin Wang, Weifeng Lv

机构 * The State Key Laboratory of Complex and Critical Software Environment, Beihang University（北京航空航天大学复杂与关键软件环境国家重点实验室） ； H3I, Beihang University（北京航空航天大学H3I） ； China Mobile Information Technology Center（中国移动信息技术中心） 纠错

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

AI总结 本文提出Sig2GPS方法，通过视频生成技术从蜂窝信号中重建高精度GPS轨迹，利用地图视觉域直接生成连续路径，提升轨迹数据挖掘的实用性。

DiReCT: Disentangled Regularization of Contrastive Trajectories for Physics-Refined Video Generation

DiReCT：对比轨迹解耦的对比正则化用于物理精细视频生成

Abolfazl Meyarian, Amin Karimi Monsefi, Rajiv Ramnath, Ser-Nam Lim

机构 * Path Robotics ； The Ohio State University（俄亥俄州立大学） ； University of Central Florida（中佛罗里达大学） 纠错

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

AI总结 本文提出DiReCT方法，通过解耦对比轨迹正则化提升物理精细视频生成的物理合理性，改进VideoPhy的物理常识评分。

PISCO: Precise Video Instance Insertion with Sparse Control

PISCO：具有稀疏控制的精确视频实例插入

Xiangbo Gao, Renjie Li, Xinghao Chen, Yuheng Wu, Suofei Feng, Qing Yin, Zhengzhong Tu

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出PISCO模型，通过稀疏关键帧控制实现精确视频实例插入，解决传统视频编辑中对空间时间定位、物理一致性及动态保持的挑战，采用变量信息引导和分布保持时间遮罩技术提升生成稳定性。

PedaCo-Gen: Scaffolding Pedagogical Agency in Human-AI Collaborative Video Authoring

PedaCo-Gen：在人机协作视频制作中构建教学代理

Injun Baek, Yearim Kim, Nojun Kwak

机构 * Seoul National University（首尔大学） 纠错

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

AI总结 PedaCo-Gen通过引入中间表示阶段，使教育者能与AI审查员互动审查和优化视频蓝图，提升视频质量与教学有效性。

Any4D: Open-Prompt 4D Generation from Natural Language and Images

Any4D: 从自然语言和图像生成开放提示的4D生成

Hao Li, Qiao Sun

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

AI总结 本文提出Primitive Embodied World Models，通过限制视频生成时间范围，实现语言与视觉表示的细粒度对齐，降低学习复杂度，提升数据效率，并减少推理延迟，支持复杂任务的组合泛化。

Comments The authors identified issues in the 4D generation pipeline and evaluation that affect result validity. To ensure scientific accuracy, we will revise the methodology and experiments thoroughly before resubmitting. This version should not be cited or relied upon