Orthogonal Spatial-temporal Distributional Transfer for 4D Generation
正交时空分布式转移用于4D生成
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 本文提出正交时空分布式转移机制，通过解耦空间和时间潜在变量提升4D生成的质量和一致性。
Comments 9 pages, 6 figures, 3 tables, AAAI
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。
1. 视频扩散模型 1299 篇
NeuralRemaster: Phase-Preserving Diffusion for Structure-Aligned Generation
NeuralRemaster: 保留相位的扩散用于结构对齐生成
机构 * Toyota Research Institute（丰田研究院） ； University of Texas, Austin（德克萨斯大学奥斯汀分校） ； Johns Hopkins University（约翰霍普金斯大学）
专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV
AI总结 NeuralRemaster通过保留相位并随机化幅度，实现结构对齐的图像和视频生成，提升模拟到现实的转换性能。
ArtHOI: Articulated Human-Object Interaction Synthesis by 4D Reconstruction from Video Priors
ArtHOI: 通过视频先验进行4D重建的可变形人-物交互合成
机构 * School of AIA, Huazhong University of Science and Technology（华中科技大学人工智能学院） ； the S-Lab, Nanyang Technological University (NTU)（南洋理工大学S实验室） ； the Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院） ； Zhejiang University (ZJU)（浙江大学） ； the Institute for AI Industry Research (AIR), Tsinghua University (THU)（清华大学人工智能产业研究院）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 ArtHOI通过4D重建从视频先验生成可变形人-物交互，提升接触精度和物理合理性。
Comments Project Page: https://arthoi.github.io/
MatPedia: A Universal Generative Foundation for High-Fidelity Material Synthesis
MatPedia: 一种通用生成基础，用于高保真材料合成
机构 * Nankai University（南开大学） ； Tencent Hunyuan（腾讯文言） ； Xi’an Jiaotong University（西安交通大学） ； Nanjing University（南京大学）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 MatPedia是一种基于联合RGB-PBR表示的生成模型，能够统一处理多种材料生成任务，实现高质量的高保真材料合成。
Scaling Laws For Diffusion Transformers
扩散变换器的扩展定律
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学）
专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV
AI总结 本文研究了扩散变换器的扩展定律，通过实验验证了模型大小、数据需求与计算预算之间的幂律关系，并展示了预训练损失与生成性能的一致性，为模型性能和数据质量评估提供了可预测的基准。
CamDirector: Towards Long-Term Coherent Video Trajectory Editing
CamDirector: 向长期一致的视频轨迹编辑迈进
机构 * McMaster University（麦克 master 大学） ； University of Toronto（多伦多大学） ； The University of Hong Kong（香港大学） ； McGill University（麦吉尔大学） ； Concordia University（Concordia 大学） ； MBZUAI
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 CamDirector通过混合变形方案和历史引导的自回归扩散模型，实现长期一致的视频轨迹编辑，并提出新的VTE基准iPhone-PTZ。
Scale-wise Distillation of Diffusion Models
扩散模型的分层蒸馏
机构 * Yandex Research（Yandex研究院） ； HSE University（俄罗斯高等经济大学）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 SwD通过分层蒸馏框架提升扩散模型效率，引入MMD补丁级目标改进收敛性，实现更快采样和更高性能
LiftAvatar: Kinematic-Space Completion for Expression-Controlled 3D Gaussian Avatar Animation
LiftAvatar：基于运动空间的表达控制3D高斯人偶动画
机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； Institute of Artificial Intelligence of China Telecom（中国电信人工智能研究院）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 LiftAvatar通过多粒度表达控制和多参考条件机制，提升3D人偶动画的质量和可控性。
Comments 19 pages, 11 figures
Unified Vision-Language Modeling via Concept Space Alignment
通过概念空间对齐实现统一的视觉-语言建模
机构 * University of Edinburgh（爱丁堡大学） ； FAIR at Meta（Meta公司FAIR团队）
专题命中 视频扩散模型 ：text-to-video(abstract)；分类 cs.CV
AI总结 通过概念空间对齐实现统一的视觉-语言建模，V-SONAR在多语言和多模态任务中超越现有模型。
Comments ICLR 2026
HorizonForge: Driving Scene Editing with Any Trajectories and Any Vehicles
HorizonForge: 通过任意轨迹和任意车辆驱动场景编辑
机构 * NEC Labs America（NEC美国实验室） ； Stony Brook University（石溪大学） ； UC San Diego（圣地亚哥大学）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 HorizonForge通过任意轨迹和车辆实现驾驶场景的可控编辑，利用高斯溅射体和网格表示，结合视频扩散技术，提升生成场景的真实性和可控性。
Comments Accepted by CVPR 2026
Plug-and-Play Fidelity Optimization for Diffusion Transformer Acceleration via Cumulative Error Minimization
通过累积误差最小化实现扩散变换器加速的即插即用保真优化
专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV
AI总结 通过累积误差最小化实现扩散变换器加速的即插即用保真优化，提升生成保真度并优于现有方法。
Comments 29 pages, ICLR2026 accepted
SenCache: Accelerating Diffusion Model Inference via Sensitivity-Aware Caching
SenCache: 通过敏感性感知缓存加速扩散模型推理
机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL））
专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV
AI总结 SenCache通过敏感性感知缓存策略，提升扩散模型推理效率与视觉质量。
HumanOrbit: 3D Human Reconstruction as 360° Orbit Generation
HumanOrbit：3D人体重建作为360°轨道生成
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Qualcomm（高通公司）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 HumanOrbit通过视频扩散模型实现多视角人体生成，生成360°轨道视频并重建高保真3D模型。
Comments CVPR 2026 Findings
G4Splat: Geometry-Guided Gaussian Splatting with Generative Prior
G4Splat：基于生成先验的几何引导高斯点云法
机构 * Tsinghua University（清华大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； BIGAI ； Peking University（北京大学）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 G4Splat通过几何引导的生成先验提升3D场景重建，有效解决多视角不一致性问题，实现高质量场景补全。
Comments ICLR'26. Project page: https://dali-jack.github.io/g4splat-web/
Deforming Videos to Masks: Flow Matching for Referring Video Segmentation
视频变形到掩码：用于指认视频分割的流匹配
机构 * SGIT AI Lab, State Grid Corporation of China（国网信通研究院） ； University of California, San Diego（加州大学圣地亚哥分校） ； The Hong Kong University of Science and Technology（香港科技大学） ； The University of Tokyo（东京大学） ； University of Cambridge（剑桥大学） ； Zhejiang University of Technology（浙江工业大学） ； Baidu（百度）
专题命中 视频扩散模型 ：video understanding(abstract)；分类 cs.CV
AI总结 本文提出FlowRVS框架，将指认视频分割视为条件连续流问题，通过学习视频整体表示到目标掩码的直接语言引导变形，在多个基准上取得新突破。
BetterScene: 3D Scene Synthesis with Representation-Aligned Generative Model
BetterScene: 一种基于表示对齐生成模型的3D场景合成
机构 * Dept. of Electrical and Computer Engineering, The Ohio State University（电气与计算机工程系，俄亥俄州立大学） ； USACE ERDC GRL（美国陆军工程兵队ERDC GRL）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 BetterScene通过引入时间等价性正则化和视觉基础模型对齐的表示，提升3D场景合成的视角一致性与质量。
Ani3DHuman: Photorealistic 3D Human Animation with Self-guided Stochastic Sampling
Ani3DHuman：基于自引导随机采样的逼真3D人体动画
机构 * City University of Hong Kong（香港城市大学）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 Ani3DHuman通过结合运动学动画与视频扩散先验，利用自引导随机采样实现逼真3D人体动画生成。
Comments CVPR 2026
DDiT: Dynamic Patch Scheduling for Efficient Diffusion Transformers
DDiT: 动态补丁调度用于高效的扩散变换器
机构 * Boston University（波士顿大学） ； Amazon（亚马逊）
专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV
AI总结 DDiT通过动态调整补丁大小，在保持生成质量的同时显著提升扩散变换器的推理效率。
Large Scale Diffusion Distillation via Score-Regularized Continuous-Time Consistency
大规模扩散蒸馏的连续时间一致性 via 分数正则化
机构 * Dept. of Comp. Sci. & Tech., BNRist Center, THU-Bosch ML Center, AI Institute, Tsinghua（清华大学计算机科学与技术系，BNRist中心，THU-Bosch机器学习中心，人工智能研究院） ； NVIDIA
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 本文提出分数正则化的连续时间一致性模型（rCM），通过引入分数蒸馏作为长跳正则化器，改进了sCM在细节生成和多样性方面的性能，适用于大规模图像和视频扩散任务。
Comments ICLR 2026
SpargeAttention2: Trainable Sparse Attention via Hybrid Top-k+Top-p Masking and Distillation Fine-Tuning
SpargeAttention2: 通过混合Top-k+Top-p掩码和蒸馏微调实现可训练稀疏注意力
机构 * Tsinghua University（清华大学）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 SpargeAttention2通过混合Top-k+Top-p掩码和蒸馏微调，实现高稀疏性且不降低生成质量。
SurfPhase: 3D Interfacial Dynamics in Two-Phase Flows from Sparse Videos
SurfPhase：从稀疏视频中重建两相流三维界面动力学
机构 * Computer Science Department, Stanford University（斯坦福大学计算机科学系） ； Aerospace Engineering, University of California, Irvine（加州大学伊藤分校航空航天工程系） ； School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 SurfPhase通过动态高斯surfels和视频扩散模型，从稀疏视频中重建两相流的三维界面动力学，实现高质量视角合成和速度估计。
Comments The first two authors contributed equally. Project website: https://yuegao.me/SurfPhase
FastFlow: Accelerating The Generative Flow Matching Models with Bandit Inference
FastFlow: 通过多臂老虎机推断加速生成流匹配模型
机构 * Indian Institute of Technology Bombay（印度理工学院孟买分校） ； Amazon（亚马逊）
专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV
AI总结 FastFlow通过多臂老虎机推断方法，实现流匹配模型生成过程的加速，同时保持生成质量。
Comments Accepted at International Conference on Learning Representations (ICLR) 2026
ArtisanGS: Interactive Tools for Gaussian Splat Selection with AI and Human in the Loop
ArtisanGS: 带有AI和人机协作的高斯点选择交互工具
机构 * NVIDIA ； NVIDIA Canada（NVIDIA 加拿大） ； University of Toronto Canada（多伦多大学 加拿大） ； NVIDIA France（NVIDIA 法国） ； University of Toronto（多伦多大学） ； Institute for Clarity in Documentation Dublin Ohio USA（文档清晰研究所 俄亥俄州 大致） ； Inria Paris-Rocquencourt（法国巴黎-罗克琴特研究所） ； Rajiv Gandhi University Doimukh Arunachal Pradesh India（拉吉夫·甘地大学 亚当穆克 阿鲁纳恰尔邦 印度） ； Tsinghua University Haidian Qu Beijing Shi China（清华大学 海淀区 北京市 中国） ； Palmer Research Laboratories San Antonio Texas USA（帕勒研究中心 肯塔基州 威斯康星州 美国）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 ArtisanGS通过交互式工具实现高斯点选择与分割，结合AI与人工干预，提供灵活的局部编辑功能，适用于真实场景中的可控编辑。
Comments 12 pages, includes supplementary material
AdaTSQ: Pushing the Pareto Frontier of Diffusion Transformers via Temporal-Sensitivity Quantization
AdaTSQ: 通过时间敏感量化推动扩散变换器的帕累托前沿
机构 * Shanghai Jiaotong University（上海交通大学）
专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV
AI总结 AdaTSQ通过时间敏感量化方法提升扩散变换器的效率与质量，优于现有方法。
Comments Code will be released at https://github.com/Qiushao-E/AdaTSQ/
Rethinking Global Text Conditioning in Diffusion Transformers
重新思考扩散变换器中的全局文本条件化
机构 * Yandex Research（Yandex研究院） ； Adobe Research（Adobe研究院）
专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV
AI总结 本文重新思考扩散变换器中的全局文本条件化，发现传统调制机制贡献有限，但通过不同视角使用池化嵌入可带来显著性能提升。
Comments Accepted at ICLR26
Unconditional Priors Matter! Improving Conditional Generation of Fine-Tuned Diffusion Models
无条件先验很重要！改进细调扩散模型的条件生成
机构 * KAIST（韩国科学技术院）
专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV
AI总结 本文提出通过替换无条件噪声提升条件生成质量，验证了使用其他扩散模型进行无条件噪声预测的有效性。
Comments WACV 2026; Project Page: https://unconditional-priors-matter.github.io/
Towards Stabilized and Efficient Diffusion Transformers through Long-Skip-Connections with Spectral Constraints
通过谱约束的长跳连接实现稳定高效的扩散变换器
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； SKL-IOTSC, CIS, University of Macau（澳门大学SKL-IOTSC、CIS） ； Huazhong University of Science and Technology（华中科技大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV
AI总结 通过引入长跳连接和谱约束，Skip-DiT实现了图像和视频生成中的稳定高效扩散变换器，显著提升了训练和推理效率。
Comments 17 pages, 8 figures
FastPhysGS: Accelerating Physics-based Dynamic 3DGS Simulation via Interior Completion and Adaptive Optimization
FastPhysGS: 通过内部补全与自适应优化加速基于物理的动态3DGS仿真
机构 * School of Intelligent Systems Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学智能系统工程学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Guangdong Provincial Key Laboratory of Fire Science（广东省消防科学与智能应急技术重点实验室） ； Guangdong Provincial Key Laboratory of Robotics（广东省机器人与数字智能制造技术重点实验室）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 FastPhysGS通过内部补全与自适应优化，实现了基于物理的动态3DGS仿真的高效与稳健，提升了仿真精度和效率。
MTC-VAE: Multi-Level Temporal Compression with Content Awareness
MTC-VAE：具有内容意识的多级时间压缩
机构 * ReLER, CCAI, Zhejiang University（ReLER、CCAI、浙江大学）
专题命中 视频扩散模型 ：video diffusion(abstract)；分类 cs.CV
AI总结 MTC-VAE通过多级时间压缩技术提升视频压缩效率，结合内容意识方法实现高效压缩与性能优化。
FlowCast: Trajectory Forecasting for Scalable Zero-Cost Speculative Flow Matching
FlowCast: 为可扩展的零成本推测性流匹配进行轨迹预测
机构 * Indian Institute of Technology Bombay（印度理工学院班加罗尔分校） ； University of California, Berkeley（加州大学伯克利分校） ； Inception Labs（Inception实验室） ； Adobe Research India（Adobe印度研究）
专题命中 视频扩散模型 ：video generation(abstract)；分类 cs.CV
AI总结 FlowCast通过利用流匹配模型保持恒定速度的特性，实现无需训练的高效推理，提升图像生成等任务的速度2.5倍，同时保持质量。
Comments Accepted at International Conference on Learning Representations (ICLR 2026)
