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。

2026-07-13 至 2026-07-13 共收录 3 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频生成 2 篇

2506.10915 2026-07-13 cs.CV cs.AI cs.LG 版本更新 88%

M4V：用于高效文本到视频生成的多模态曼巴

Jiancheng Huang, Gengwei Zhang, Zequn Jie, Siyu Jiao, Yinlong Qian, Ling Chen, Yunchao Wei, Lin Ma

机构 * Meituan（美团）； University of Technology Sydney（技术大学悉尼分校）； Beijing Jiaotong University（北京交通大学）

专题命中视频生成：video generation(title,abstract)；text-to-video(title,abstract)；分类 cs.CV

AI总结研究针对文本到视频生成计算量大的问题，引入多模态曼巴框架M4V。设计MM-DiM块，采用多模态令牌重新组合设计，增强时空一致性。实验表明，该框架能在降计算成本的同时生成高质量视频。

Comments CVPR 2026

2601.09881 2026-07-13 cs.CV cs.AI cs.LG 版本更新 85%

用于快速视频生成的过渡匹配蒸馏

Weili Nie, Julius Berner, Nanye Ma, Chao Liu, Saining Xie, Arash Vahdat

专题命中视频生成：video generation(title,abstract)；video diffusion(abstract)；text-to-video(abstract)；分类 cs.CV

AI总结研究针对大型视频模型多步采样低效问题，提出过渡匹配蒸馏框架TMD，将扩散模型多步去噪轨迹与少步概率过渡过程匹配，分解扩散主干为组件，经实验验证TMD在速度和质量权衡上表现出色，优于现有蒸馏模型。

Journal ref Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 4645-4655

2603.29943 2026-07-13 cs.CV 版本更新 83%

EC-Bench：超长视频的枚举与计数基准

Fumihiko Tsuchiya, Taiki Miyanishi, Shunsuke Yasuki, Mahiro Ukai, Nakamasa Inoue, Shuhei Kurita, Yusuke Iwasawa, Yutaka Matsuo

机构 * The University of Tokyo, Japan（东京大学）； Institute of Science Tokyo, Japan（东京科学大学）； National Institute of Informatics, Japan（国立信息学研究所）

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

AI总结 EC-Bench针对超长视频的枚举与计数问题，通过152部超过30分钟的视频和1699个查询，评估多模态大语言模型的性能，揭示模型在时间推理和计数任务中的局限性。

Comments The first two authors are equally contributed. The data and code are publicly available at: https://github.com/matsuolab/EC-Bench