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。

2026-07-09 至 2026-07-09 共收录 3 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频扩散模型 3 篇

2607.06856 2026-07-09 cs.CV cs.LG 新提交 79%

Gen4U: Unifying Video Generation and Understanding via Diffusion

Gen4U：通过扩散统一视频生成与理解

Michael King, Aravindh Mahendran, Matthew Koichi Grimes, Fedor Kitashov, Adham Elarabawy, Pedro Velez, Maks Ovsjanikov, Viorica Pătrăucean

机构 * Google DeepMind（谷歌DeepMind）

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

AI总结研究通过互 kNN 对齐指标揭示视频扩散模型潜在空间特性，引入 Gen4U 框架，该框架能单次前向传递重新利用生成表示，实验表明冻结的大规模视频扩散模型可作视频编码器，Gen4U 统一视频生成与理解范式且保留生成能力。

2607.06631 2026-07-09 cs.CV cs.AI cs.LG 新提交 79%

Dynamic-in-Few-Step: Unifying Dynamic Computation and Few-Step Distillation for Efficient Video Generation

动态少步长：统一动态计算与少步长蒸馏以实现高效视频生成

Yu Cheng, Siyue Yao, Zhongang Qi, Shanyan Guan, Wei Li, Fajie Yuan

机构 * Zhejiang University（浙江大学）； Westlake University（西湖大学）； BlueImage, vivo（蓝城图像，维沃）； Xian Jiaotong-Liverpool University（西交利物浦大学）

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

AI总结针对视频扩散模型计算成本高问题，提出将动态结构稀疏化融入蒸馏过程的加速框架，联合优化去噪步骤与模型稀疏性，引入相关策略和机制确保训练稳定，开发推理引擎，有效提升效率且保持生成质量。

2607.04653 2026-07-09 cs.CV 新提交 57%

Enhancing Video Physical Consistency via Role-aware Joint Training and Modality-decoupled Denoising

通过角色感知联合训练和模态解耦去噪增强视频物理一致性

Guangting Zheng, Haojing Chen, Hao Li, Jingtao Zhang, Zhen Yang, Xiaosong Jia, Xue Yang, Shaofeng Zhang, Yanyong Zhang

机构 * University of Science and Technology of China（中国科学技术大学）； University of Electronic Science and Technology of China（电子科技大学）； Fudan University（复旦大学）； Georgia Institute of Technology（佐治亚理工学院）； Shanghai Jiao Tong University（上海交通大学）

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

AI总结研究针对视频扩散模型长程物理一致性挑战，提出VPT微调框架。通过角色感知信号清晰建模不同物理角色，采用模态解耦去噪策略及损失权重衰减，引入跨步自动引导，增强物理动力学，提升物理一致性与视觉质量。