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。

2026-06-05 至 2026-06-05 共收录 2 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频扩散模型 2 篇

2412.07583 2026-06-05 cs.CV cs.AI 83%

Mobile Video Diffusion

移动视频扩散

Haitam Ben Yahia, Denis Korzhenkov, Ioannis Lelekas, Amir Ghodrati, Amirhossein Habibian

机构 * Qualcomm AI Research（高通人工智能研究）

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

AI总结本文提出了一种移动优化的视频扩散模型MobileVD，通过降低帧分辨率、引入多尺度时间表示和两种新的剪枝方案，显著降低了内存和计算成本，同时在移动设备上实现了高效的视频生成。

2606.05328 2026-06-05 cs.GR cs.AI cs.CV cs.LG 79%

The Invisible Hand of Physics: When Video Diffusion Models Know More Than They Show

物理的隐形之手：当视频扩散模型知道的比它们展示的更多

Parsa Esmati, Somjit Nath, Katja Hofmann, Derek Nowrouzezahrai, Samira Ebrahimi Kahou, Majid Mirmehdi

机构 * University of Bristol（布里斯托大学）； McGill University（麦吉尔大学）； Mila–Quebec AI Institute（魁北克AI研究院）； Microsoft Research（微软研究院）； University of Calgary（卡尔加里大学）

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

AI总结通过逆向扩散过程探测视频扩散模型的潜在轨迹，发现物理合理性可以从扩散变换器状态中线性解码，准确率达81.27%，表明物理有意义的表示是生成式去噪的副产品。