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。

2026-08-04 至 2026-08-04 共收录 2 篇信号源：cs.CV, eess.IV, cs.MM

1. 视频数据与评测 2 篇

2608.02035 2026-08-04 cs.MM cs.SD 新提交 57%

AcoustiTrace：看似合理的声音为何违背物理规律

Shiyang Li, Yuewen Cao, Yihao Liu, Yuandong Pu, Baochang Zhang, Xiaofei Li, Changqing Zou

专题命中视频数据与评测：video generation(abstract)；分类 cs.MM

AI总结该研究提出AcoustiTrace诊断基准，从八个声学维度评估T2AV和I2AV生成，构建相关数据集与评估器，发现领先模型仍难符合基础声学规律，其诊断可指导模型优化与新方向探索。

2603.12147 2026-08-04 cs.CV 版本更新 57%

EgoIntent: 一种用于理解‘是什么、为什么和下一步’的以自我为中心的步级基准

Ye Pan, Chi Kit Wong, Yuanhuiyi Lyu, Hanqian Li, Chenfei Liao, Jiahao Huo, Lutao Jiang, Zixin Zhang, Jiacheng Chen, Yuqian Fu, Xu Zheng

专题命中视频数据与评测：video reasoning(abstract)；分类 cs.CV

AI总结 EgoIntent基准旨在通过步级意图理解解决以自我为中心视频中对‘是什么、为什么和下一步’的细粒度理解难题，包含15种日常生活场景，评估模型在三个维度上的表现。