视频大模型 - arXivDaily 专题

2605.14136 2026-05-15 cs.CV 85%

TeDiO: Temporal Diagonal Optimization for Training-Free Coherent Video Diffusion

TeDiO：基于时间对角优化的训练自由一致视频扩散

Nurislam Tursynbek, Zhiqiang Lao, Heather Yu, Gedas Bertasius, Marc Niethammer

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校）； Futurewei Technologies Inc（未来科技有限公司）； UCSD（加州大学圣迭戈分校）

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

AI总结 TeDiO通过优化内部注意力模式提升视频生成的时序一致性，无需训练或外部监督，实现更流畅的动态表现。

Comments CVPR'26 Workshop on Agentic AI for Visual Media

2605.14274 2026-05-15 cs.CV 79%

CreFlow: Corrective Reflow for Sparse-Reward Embodied Video Diffusion RL

CreFlow：稀疏奖励具身视频扩散强化学习的纠正回流

Zhenyang Ni, Yijiang Li, Ruochen Jiao, Simon Sinong Zhan, Sipeng Chen, Zhenfei Yin, Minshuo Chen, Philip Torr, Zhaoran Wang, Qi Zhu

机构 * Northwestern University（西北大学）； University of California, San Diego（加州大学圣地亚哥分校）； University of Oxford（牛津大学）

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

AI总结本文提出CreFlow框架，通过信用感知NFT损失和纠正回流损失提升高维视频生成性能，有效解决稀疏奖励下的具身任务执行问题。

2605.13857 2026-05-15 cs.GR cs.CV cs.LG 74%

MoZoo:Unleashing Video Diffusion power in animal fur and muscle simulation

MoZoo：释放视频扩散在动物毛发和肌肉模拟中的潜力

Dongxia Liu, Jie Ma, Xiaochen Yang, Jiancheng Zhang, Bin Xia, Zhehan Kan, Nisha Huang, Jun Liang, Wenming Yang, Jin Li

机构 * tabular c 1 Tsinghua University 2 University of Glasgow 3 The Chinese University of Hong Kong 4 HUIJING Digital Media \& Entertainment Group 2mm Project Page: tabular

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

AI总结 MoZoo通过引入Role-Aware RoPE和Asymmetric Decoupled Attention，实现高保真动物视频生成，同时构建了MoZoo-Data和MoZooBench进行评估，提升了毛发和肌肉动态模拟的效率与质量。

Comments Github Page:https://dongxialiu15.github.io/MoZoo/

2605.15190 2026-05-15 cs.CV 57%

RAVEN: Real-time Autoregressive Video Extrapolation with Consistency-model GRPO

RAVEN: 实时自回归视频外推与一致性模型GRPO

Yanzuo Lu, Ronglai Zuo, Jiankang Deng

机构 * Imperial College London（伦敦帝国学院）

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

AI总结 RAVEN通过将自回归视频扩散模型的训练与测试过程结合，提升长时视频生成质量。CM-GRPO方法优化一致性采样，提高生成效果。

Comments Project Page: https://yanzuo.lu/raven

2605.14894 2026-05-15 cs.CV 57%

SEDiT: Mask-Free Video Subtitle Erasure via One-step Diffusion Transformer

SEDiT: 一种基于单步扩散变换器的无掩膜视频字幕擦除方法

Zheng Hui, Yunlong Bai

机构 * Baidu Inc.（百度公司）

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

AI总结 SEDiT提出一种单步扩散变换器方法，实现无掩膜视频字幕擦除，通过理论证明和实验验证，解决字幕擦除中的局部编辑问题和长期时间一致性挑战。

Comments Project page:http://zheng222.github.io/SEDiT_project

2605.14191 2026-05-15 cs.CV 57%

CoReDiT: Spatial Coherence-Guided Token Pruning and Reconstruction for Efficient Diffusion Transformers

CoReDiT：基于空间一致性引导的令牌剪枝与重建用于高效的扩散变换器

Zhuojin Li, Hsin-Pai Cheng, Hong Cai, Shizhong Han, Fatih Porikli

机构 * Qualcomm AI Research（高通人工智能研究）

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

AI总结 CoReDiT通过空间一致性引导的令牌剪枝与重建，显著降低扩散变换器的计算量，提升推理速度，同时保持高质量视觉输出。

Comments 8 pages, 8 figures, CVPR workshop

Journal ref 2026 CVPR Workshop of EDGE

1. 视频扩散模型 6 篇