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。

2026-03-30 至 2026-03-30 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

2512.02425 2026-03-30 cs.CV cs.AI cs.CL cs.IR cs.LG 88%

WorldMM: 动态多模态记忆代理用于长视频推理

Woongyeong Yeo, Kangsan Kim, Jaehong Yoon, Sung Ju Hwang

机构 * KAIST（韩国科学技术院）； NTU Singapore（新加坡南洋理工大学）

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

AI总结 WorldMM通过构建和检索多种互补记忆，提升长视频推理能力，实现8.4%的性能提升。

Comments CVPR 2026. Project page : https://worldmm.github.io

2603.26193 2026-03-30 cs.CV cs.AI 83%

MemCam：用于一致视频生成的记忆增强摄像机控制

Xinhang Gao, Junlin Guan, Shuhan Luo, Wenzhuo Li, Guanghuan Tan, Jiacheng Wang

机构 * Guilin University of Electronic Technology（桂林电子科技大学）

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

AI总结 MemCam通过利用先前生成帧作为外部记忆，提升动态摄像机控制下的视频生成一致性，实验表明其在长视频场景中表现优异。

Comments 6 pages, 3 figures, 3 tables, accepted by IJCNN 2026