AI 大模型
视频理解、视频生成、视频语言模型和时序视觉推理。
HumANDiff: 关节化噪声扩散用于运动一致的人体视频生成
机构 * Stability AI
专题命中 视频生成 ：video generation(title,abstract)；video diffusion(abstract)；分类 cs.CV
AI总结 HumANDiff通过关节化噪声采样、联合外观-运动学习和几何运动一致性学习，实现高保真人体视频生成，支持多样化的服装风格。
Comments Project page: https://taohuumd.github.io/projects/HumANDiff/
MATRIX：用于交互感知视频生成的遮罩跟踪对齐
机构 * KAIST AI（韩国科学技术院人工智能系）
专题命中 视频生成 ：video generation(title,abstract)；分类 cs.CV
AI总结 MATRIX通过引入遮罩跟踪对齐方法，提升视频生成中交互感知能力，增强语义对齐与传播，减少漂移和幻觉。
Comments Project Page is available at: https://cvlab-kaist.github.io/MATRIX/, ICLR 2026
通过视频思考：视频生成作为一种有前途的多模态推理范式
机构 * Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身智能研究所） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海市多模态具身人工智能重点实验室） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； The Chinese University of Hong Kong（香港中文大学） ； Central South University（中南大学） ； Fudan University（复旦大学）
专题命中 视频生成 ：video generation(title,abstract)；分类 cs.CV
AI总结 本文提出'通过视频思考'范式，利用视频生成模型实现多模态推理，通过VideoThinkBench评估显示Sora-2在视觉和文本任务中均表现出色，证明视频生成模型在统一多模态理解与生成中的潜力。
Comments 34 pages, 17 figures
TRANSPORTER：从VLM流形转移视觉语义
机构 * University of Twente, NL（荷兰特温特大学）
专题命中 视频生成 ：video generation(abstract)；video understanding(abstract)；text-to-video(abstract)；分类 cs.CV
AI总结 本文提出TRANSPORTER方法，通过logits-to-video任务生成视频，揭示VLM预测背后的规则，为模型可解释性提供新方向。
Comments Accepted at IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026, Project page: https://alexandrosstergiou.github.io/TRANSPORTER
生成AI用于视频预告片合成：从提取启发式方法到自回归创造力
机构 * Google LLC（谷歌有限责任公司）
专题命中 视频生成 ：text-to-video(abstract)；分类 cs.CV、cs.MM
AI总结 本文综述了自动视频预告片生成领域从启发式提取到深度生成合成的转变，探讨了自回归Transformer、LLM协同流程和文本到视频基础模型等生成技术，并讨论了高保真神经合成的伦理挑战。
Comments 7 pages, 3 figures, accepted in WSDM 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈