视频大模型

End-to-End Facial Expression Detection in Long Videos

长视频中端到端面部表情检测

Yini Fang, Alec F. Diallo, Frederic Jumelle, Bertram Shi

机构 * Hong Kong University of Science and Technology（香港科技大学） ； University of Edinburgh（爱丁堡大学） ； Ydentity Organization（Ydentity组织） 纠错

专题命中 长视频与时序推理 ：long video(title)；分类 cs.CV

AI总结 本文提出FEDN网络，将面部表情识别与检测统一为端到端任务，通过时间注意力模块提升多时间尺度表现，优于现有基准。

Comments ICANN 2026 accepted paper

Towards Long-Form Spatio-Temporal Video Grounding

面向长形式时空视频定位

Xin Gu, Bing Fan, Jiali Yao, Zhipeng Zhang, Yan Huang, Cheng Han, Heng Fan, Libo Zhang

专题命中 长视频与时序推理 ：long video(abstract)；分类 cs.CV

AI总结 本文提出ART-STVG方法，针对长时视频中的目标定位问题，通过自回归Transformer架构和记忆银行设计，提升对长视频中时空信息的处理能力，实验表明其在长形式STVG任务中优于现有方法。

Comments 22 pages, 11 figures. Accepted to ECCV 2026

UCM: Unified Modeling of Camera Control and Memory with Time-aware Positional Encoding Warping for World Models

UCM：基于时间感知位置编码变形的相机控制与内存统一建模

Tianxing Xu, Zixuan Wang, Guangyuan Wang, Li Hu, Zhongyi Zhang, Peng Zhang, Bang Zhang, Songhai Zhang

专题命中 长视频与时序推理 ：video generation(abstract)；分类 cs.CV

AI总结 UCM通过时间感知位置编码变形机制实现相机控制与长期记忆的统一建模，在真实和合成基准测试中显著提升场景一致性并实现高保真视频生成的精确控制。

Comments Project Page: https://humanaigc.github.io/ucm-webpage/