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。

2026-08-20 至 2026-08-20 共收录 2 篇信号源：cs.CV, eess.IV, cs.MM

1. 长视频与时序推理 2 篇

2608.18532 2026-08-20 cs.CV 新提交 83%

StateTrace: An Object-Centric Framework for Hidden-State Spatiotemporal Reasoning in Long Videos

StateTrace：面向长视频中隐状态时空推理的以对象为中心的框架

Yu Han, Wenhao Li, Yichao Cao, Hongyan Xu, Shuo Yang, Shan You, Xiu Su

机构 * University of California, San Diego（加利福尼亚大学圣地亚哥分校）； The University of Sydney（悉尼大学）； Central South University（中南大学）； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））； SenseTime Research（商汤科技研究院）

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

AI总结 StateTrace是一种以对象为中心的框架，为VideoLLMs赋予长视频隐状态推理能力，构建时空状态记忆并经实验显著提升了VideoLLMs在相关基准上的性能。

Comments 10 pages. Accepted at ACM Multimedia 2026 (ACM MM 2026)

2608.18640 2026-08-20 cs.CV 新提交 57%

SAM2Dual: Training-Free, Dual Memory for Long-Term Video Object Segmentation

SAM2Dual：用于长期视频目标分割的无训练双内存机制

JeongRae Kim, Changwon Lim

机构 * Chung-Ang University（中央大学）

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

AI总结本文针对长期视频目标分割的误差累积问题，提出无训练即插即用的SAM2Dual，通过双内存设计与文本感知内存提升长视频鲁棒性，在MOSEv2、LVOSv2基准上取得性能提升。