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。

共收录 2 篇信号源：cs.CV, eess.IV, cs.MM

1. 其他视频模型 2 篇

2605.16366 2026-07-16 cs.CV cs.AI 版本更新 57%

Fre-Res: Frequency-Residual Video Token Compression for Efficient Video MLLMs

Fre-Res: 频率-残差视频令牌压缩用于高效的视频多模态大语言模型

Yigui Feng, Qinglin Wang, Yang Liu, Jie Liu

机构 * College of Computer Science, National University of Defense Technology（计算机科学学院，国防科技大学）； Shien-Ming Wu School of Intelligent Engineering, South China University of Technology（智能工程谢民明伍学院，华南理工大学）

专题命中其他视频模型：video reasoning(abstract)；分类 cs.CV

AI总结 Fre-Res通过分离空间和时间信息，实现视频令牌压缩，在保持细节精度的同时提升效率，适用于短时事件和长视频推理。

Comments 24 pages, 5 figures

2602.01740 2026-06-08 cs.AI cs.CV cs.LG 版本更新 57%

MACD: Model-Aware Contrastive Decoding via Counterfactual Data

MACD：基于反事实数据的模型感知对比解码

Qixin Xiao, Kun Zhou

机构 * University of Michigan, Ann Arbor, MI, USA（密歇根大学，安娜堡分校）； University of California San Diego, La Jolla, CA, USA（加州大学圣地亚哥分校）

专题命中其他视频模型：video language model(abstract)；分类 cs.CV

AI总结提出MACD方法，利用视频语言模型自身反馈识别导致幻觉的目标区域，生成目标级反事实输入，结合对比解码减少幻觉，提升多模型在复杂场景下的准确性。