视频大模型

Video Evidence to Reasoning Efficient Video Understanding via Explicit Evidence Grounding

视频证据推理：通过显式证据接地实现高效的视频理解

Yanxiang Huang, Guohua Gao, Zhaoyang Wei

机构 * Department of Applied Mathematics, The Hong Kong Polytechnic University（应用数学系，香港理工大学） 纠错

专题命中 视频理解 ：video understanding(title,abstract)；video reasoning(abstract)；分类 cs.CV

AI总结 本文提出CoE框架，通过显式证据接地模块和强化学习优化的锚定协议，提升视频推理的准确性和可靠性。

Comments 6 pages

ReynoldsFlow: Physics-Inspired Spatiotemporal Flow Representation for Video Understanding

ReynoldsFlow：用于视频理解的物理启发式时空流表示

Yu-Hsi Chen, Ching-Kai Lin, PingKong Huang, Chin-Tien Wu

专题命中 视频理解 ：video understanding(title,abstract)；分类 cs.CV

AI总结 针对现有视频理解方法计算成本高、运动表示鲁棒性差的问题，提出基于RTT和HHD的ReynoldsFlow，分解运动为CF和DF分量，可提升下游任务性能且兼具轻量高效性。

Comments 18 pages, 2 figures, 4 tables

TempJail: Temporal Jailbreak Attack against Large Vision-Language Models via Subtitle Scheduling

TempJail：基于字幕时序调度的针对大型视觉语言模型的时序越狱攻击

Ling Zhou, Yihao Huang, Jingling Sun, Zhiwen Tian, Yi Zeng, Qihe Liu, Shijie Zhou

机构 * University of Electronic Science and Technology of China（电子科技大学） ； East China Normal University（华东师范大学） 纠错

专题命中 视频理解 ：video understanding(abstract)；分类 cs.CV

AI总结 TempJail是一种黑盒视频越狱框架，通过优化字幕时序调度攻击LVLMs，在四个模型和两个数据集上的攻击成功率优于基线。

Comments 8 pages,4 figures

PL-NBA: A Possession-level Universal Basketball Video Dataset Supporting Multiple Visual Understanding Tasks

PL-NBA：支持多种视觉理解任务的控球级通用篮球视频数据集

Yunhao Zhao, Haoying Sun, Jiarui Li, Zhuming Wang, Ya Jing, Xiangbo Shu, Lifang Wu, Changwen Chen

机构 * Beijing University of Technology（北京工业大学） ； Nanjing University of Science and Technology（南京理工大学） ； Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 视频理解 ：video understanding(abstract)；分类 cs.CV

AI总结 本文构建首个控球级篮球视频数据集PL-NBA，包含11000个进攻控球片段及31567个注释事件，在四项视觉理解任务上验证其挑战性，为体育视频理解提供基准。