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. 视频生成 3 篇

2602.13669 2026-04-23 cs.CV 79%

EchoTorrent: Towards Swift, Sustained, and Streaming Multi-Modal Video Generation

EchoTorrent: 向快速、持续和流式多模态视频生成迈进

Rang Meng, Weipeng Wu, Yuming Li, Chenguang Ma

机构 * Ant Group（蚂蚁集团）

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

AI总结本文提出EchoTorrent框架，通过四重设计提升多模态视频生成的效率与稳定性，实现快速、持续和流式生成，增强时空一致性与音频唇同步性能。

2604.20357 2026-04-23 cs.CV cs.CL 57%

SignDATA: Data Pipeline for Sign Language Translation

SignDATA：手语翻译的数据管道

Kuanwei Chen, Tingyi Lin

机构 * Computer Science and Information Engineering National Central University（计算机科学与信息工程国家级中央大学）； Electrical Engineering National Changhua University Of Education（电气工程国家彰化教育大学）

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

AI总结本文提出SignDATA，一种标准化手语数据集的预处理工具包，支持端到端的姿势和视频处理流程，通过可配置的接口实现统一输出，提升手语研究的可重复性和比较性。

Comments 7 pages, 1 figure

2604.20157 2026-04-23 cs.CV 57%

HumanScore: Benchmarking Human Motions in Generated Videos

HumanScore：在生成视频中评估人类动作的基准测试

Yusu Fang, Tiange Xiang, Tian Tan, Narayan Schuetz, Scott Delp, Li Fei-Fei, Ehsan Adeli

机构 * Stanford University（斯坦福大学）； Peking University（北京大学）

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

AI总结本文提出HumanScore框架，通过六个可解释指标评估AI生成视频中人类动作的质量，揭示感知合理性与生物力学真实性的差距，并产生可靠的模型排名。