视频大模型

Eevee: Towards Close-up High-resolution Video-based Virtual Try-on

Eevee：迈向基于视频的高分辨率虚拟试衣

Jianhao Zeng, Yancheng Bai, Ruidong Chen, Xuanpu Zhang, Lei Sun, Dongyang Jin, Ryan Xu, Nannan Zhang, Dan Song, Xiangxiang Chu

机构 * Amap, Alibaba Group（高德，阿里巴巴集团） ； Tianjin University（天津大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） 纠错

专题命中 视频数据与评测 ：video generation(abstract)；分类 cs.CV

AI总结 本文提出高分辨率视频虚拟试衣数据集，解决现有方法在真实纹理细节捕捉和近距离视频生成上的不足，引入VGID指标评估服装一致性，提升虚拟试衣的真实感和细节保真度。

VGA-Bench: A Unified Benchmark and Multi-Model Framework for Video Aesthetics and Generation Quality Evaluation

VGA-Bench：一个统一的基准和多模型框架用于视频审美和生成质量评估

Longteng Jiang, DanDan Zheng, Qianqian Qiao, Heng Huang, Huaye Wang, Yihang Bo, Bao Peng, Jingdong Chen, Jun Zhou, Xin Jin

机构 * Ant Group（蚂蚁集团） ； Beijing Film Academy（北京电影学院） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，北京通用人工智能研究院） 纠错

专题命中 视频数据与评测 ：video generation(abstract)；分类 cs.CV

AI总结 本文提出VGA-Bench，通过三层次分类体系，结合1016个多样化提示生成60000+视频数据集，设计多任务神经评估器，实现视频生成质量与审美质量的系统评估。

Comments CVPR 2026

Demographic and Linguistic Bias Evaluation in Omnimodal Language Models

多模态语言模型中的人口和语言偏差评估

Alaa Elobaid

机构 * Freie Universität Berlin（柏林自由大学） 纠错

专题命中 视频数据与评测 ：video understanding(abstract)；分类 cs.CV

AI总结 本文评估了多模态语言模型中的人口和语言偏差，通过不同任务揭示图像和视频理解任务在人口差异上表现更优，而音频理解任务存在显著偏差和预测崩溃。

Comments Accepted at ICPR 2026. Full paper with complete appendix (31 pages total)