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。

2026-04-23 至 2026-04-23 共收录 3 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频扩散模型 3 篇

2604.20470 2026-04-23 cs.CV 86%

DynamicRad: Content-Adaptive Sparse Attention for Long Video Diffusion

动态Rad：面向长视频扩散的内容自适应稀疏注意力

Yongji Long, Shijun Liang, Jintao Li, Yun Li

机构 * University of Electronic Science and Technology of China（电子科学与技术大学）； Shenzhen Institute for Advanced Study, UESTC（深圳先进研究院）； Computational Mathematics, Science, & Engineering at Michigan State University (MSU)（密歇根州立大学计算数学、科学与工程）

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

AI总结本文提出DynamicRad，通过引入双模式策略和语义运动路由器，实现长视频扩散中的高效稀疏注意力机制，提升推理速度并保持高质量。

2604.20289 2026-04-23 cs.CV 70%

X-Cache: Cross-Chunk Block Caching for Few-Step Autoregressive World Models Inference

X-Cache：跨块块缓存用于少步自回归世界模型推理

Yixiao Zeng, Jianlei Zheng, Chaoda Zheng, Shijia Chen, Mingdian Liu, Tongping Liu, Tengwei Luo, Yu Zhang, Boyang Wang, Linkun Xu, Siyuan Lu, Bo Tian, Xianming Liu

机构 * AI Infra Team, XPeng Inc.（AI基础设施团队，小鹏汽车）

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

AI总结本文提出X-Cache，一种无需训练的加速方法，通过跨连续生成块缓存而非去噪步骤来提升少步自回归世界模型的推理效率，实现71%的块跳过率和2.6倍的速度提升，同时保持最小的性能下降。

Comments Technical Report

2604.19683 2026-04-23 cs.RO 50%

Mask World Model: Predicting What Matters for Robust Robot Policy Learning

遮罩世界模型：为鲁棒机器人策略学习预测重要的内容

Yunfan Lou, Xiaowei Chi, Xiaojie Zhang, Zezhong Qian, Chengxuan Li, Rongyu Zhang, Yaoxu Lyu, Guoyu Song, Chuyao Fu, Haoxuan Xu, Pengwei Wang, Shanghang Zhang

机构 * Peking University, Beijing, China ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University ； Beijing Academy of Artificial Intelligence, Beijing, China ； National University of Singapore, Singapore ； The Hong Kong University of Science ； Nanjing University, Nanjing, China

专题命中视频扩散模型：video diffusion(abstract)

AI总结本文提出Mask World Model，通过预测语义遮罩而非像素，提升机器人策略学习的鲁棒性与泛化能力，实验证明其在仿真和现实任务中均优于现有方法。

Comments 16 pages,5 figures