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。

2026-07-07 至 2026-07-07 共收录 2 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频问答 2 篇

2607.02959 2026-07-07 cs.CV cs.LG 新提交 83%

Incentivizing Vision Language Models to Search for Long Video Question Answering

激励视觉语言模型进行长视频问答搜索

Harsh Goel, S P Sharan, Sahil Shah, Minkyu Choi, Joungbin An, Kristen Grauman, Sandeep P. Chinchali

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校）

专题命中视频问答：long video(title,abstract)；video understanding(abstract)；分类 cs.CV

AI总结研究将长视频问答从被动单流程感知任务转变为多轮检索过程，核心方法是自然语言驱动搜索及强化学习后训练，贡献是提升长视频理解基准测试分数。

Comments To appear at the European Conference on Computer Vision (ECCV 2026)

2508.21010 2026-07-07 cs.CV cs.AI cs.CL cs.HC cs.LG 版本更新 57%

ChainReaction: Causal Chain-Guided Reasoning for Modular and Explainable Causal-Why Video Question Answering

ChainReaction：用于模块化和可解释因果关系视频问答的因果链引导推理

Paritosh Parmar, Eric Peh, Basura Fernando

机构 * Institute of High Performance Computing, Agency for Science, Technology and Research, Singapore（新加坡高性能计算研究所，科技研究局）； Centre for Frontier AI Research, Agency for Science, Technology and Research, Singapore（科技研究局前沿人工智能研究中心，新加坡）； College of Computing and Data Science, Nanyang Technological University, Singapore（新加坡南洋理工大学计算与数据科学学院）

专题命中视频问答：video understanding(abstract)；分类 cs.CV

AI总结针对现有因果关系视频问答模型的问题，提出新的模块化范式，将因果推理与答案生成解耦，引入自然语言因果链，介绍两阶段架构及生成因果链方法，新指标，实验证明该方法性能优越。

Comments CVPR 2026