视频大模型 - arXivDaily 专题

2607.06173 2026-07-28 cs.CV 版本更新 83%

MobileWan: Closing the Quality Gap for Mobile Video Diffusion

MobileWan：弥合移动视频扩散的质量差距

Mohsen Ghafoorian, Denis Korzhenkov, Adil Karjauv, Ioannis Lelekas, Noor Fathima, Spyridon Stasis, Hanno Ackermann, Boris van Breugel, Markus Nagel, Fatih Porikli, Animesh Karnewar, Amirhossein Habibian

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

AI总结研究旨在弥合移动视频扩散质量差距，提出将5B参数视频扩散Transformer通过循环重公式化等方法高效部署在移动硬件上，经多种优化，成为首个可商用移动设备部署的该规模模型，取得新的端到端延迟和分数，建立移动视频生成新水平。

2607.24124 2026-07-28 cs.CV 新提交 79%

ViDS: Video Diffusion Shader using 3D Face Tracking

ViDS：使用3D面部跟踪的视频扩散着色器

Wenbo Ji, Davide Davoli, Zhe Chen, Liam Schoneveld, Matthias Nießner, Jiapeng Tang

机构 * Technical University of Munich（慕尼黑工业大学）； Toyota Motor Europe NV/SA（丰田汽车欧洲股份公司）； Woven by Toyota（丰田编织）

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

AI总结研究利用3D面部跟踪实现肖像动画，先重建3DMM网格，再用驱动视频参数动画处理，借助视频扩散模型合成动画，引入自回归扩散采样过程，相比之前方法能更精细控制表情姿势，且保留身份外观，消融研究验证了有效性。

Comments 12 pages, 6 figures, and 8 tables. Project page: https://fusheng-ji.github.io/ViDS/

2607.22696 2026-07-28 cs.CV cs.AI 新提交 79%

MegaSlide-DiT: Memory-Centric Adaptation and Deformable Local Attention for Efficient Video Diffusion

MegaSlide-DiT：用于高效视频扩散的以内存为中心的自适应和可变形局部注意力

Jiacheng Liu, Jason Liu

机构 * Trendinsight Lab / UC San Diego（趋势洞察实验室/加州大学圣地亚哥分校）

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

AI总结研究针对高分辨率视频扩散模型内存消耗大问题，提出MegaSlide-DiT，通过让GPU不持有模型状态及用3D-DSA取代全局注意力，降低内存和计算复杂度，实现105B DiT在单H200 GPU上的适配，为大规模视频扩散模型全参数适配提供实用路径。

2605.00874 2026-07-28 cs.CV cs.AI cs.LG cs.MM 73%

Latent Space Probing for Adult Content Detection in Video Generative Models

潜在空间探测用于视频生成模型中的成人内容检测

Alizishaan Khatri, Chiquita Prabhu

机构 * Wrynx Inc.（Wrynx公司）； Independent Researcher（独立研究者）

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

AI总结本文提出一种潜在空间探测框架，通过拦截视频扩散模型生成过程中的去噪潜在表示，利用轻量级分类器实现实时成人内容检测，实验表明潜在空间信号在有害内容检测中具有强判别能力。

Comments To be published in 2026 56th Annual IEEE International Conference on Dependable Systems and Networks Workshops (DSN-W)

2607.23844 2026-07-28 cs.CV 新提交 70%

OmniCache: Multidimensional Hierarchical Feature Caching For Diffusion Models

OmniCache：用于扩散模型的多维分层特征缓存

Zhaoyuan He, Muhammad Muaz, Lili Qiu

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

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

AI总结针对高分辨率图像和视频扩散模型推理成本高的问题，提出OmniCache框架，利用中间扩散特征冗余，通过多种缓存实现多维特征重用，减少推理延迟，在多模型上取得良好效果，且无需重新训练。

2511.12940 2026-07-28 cs.CV 版本更新 70%

Recurrent Autoregressive Diffusion: Global Memory Meets Local Attention

循环自回归扩散：全局记忆与局部注意力相结合

Taiye Chen, Zihan Ding, Anjian Li, Christina Zhang, Zeqi Xiao, Yisen Wang, Chi Jin

机构 * Peking University（北京大学）； Princeton University（普林斯顿大学）； Nanyang Technological University（南洋理工大学）

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

AI总结研究针对超长视频生成中现有模型的不足，提出循环自回归扩散（RAD）框架，结合循环块与局部注意力，解决训练推理差距等问题，在相关数据集实验中展现出长视频生成的优越性。

Comments Published at ECCV 2026. Project page: https://yeyutaihan.github.io/recurrent-autoregressive-diffusion/

2607.22772 2026-07-28 eess.IV cs.CV 新提交 62%

Generative Video Compression with Adaptive Score Distillation

基于自适应分数蒸馏的生成式视频压缩

Naifu Xue, Zhaoyang Jia, Haosen Li, Zihan Zheng, Jiahao Li, Bin Li, Xiaoyi Zhang, Qi Meng, Yuan Zhang, Yan Lu

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

AI总结研究针对视频压缩探索专门设计的扩散模型，提出GenVC，通过全局到局部层次结构恢复时空细节，用自适应分数蒸馏加速推理，在超低比特率下实现高质量重建，参数少且解码速度快。

1. 视频扩散模型 7 篇