Copertina

Video-as-Answer: Predict and Generate Next Video Event with Joint-GRPO

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Cheng, Junhao, Hou, Liang, Tao, Xin, Liao, Jing
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

VLMs are Good Teachers for Video Reasoning via Adaptive Test-Time Optimization
di: Cheng, Junhao, et al.
Pubblicazione: (2026)

AnimeGamer: Infinite Anime Life Simulation with Next Game State Prediction
di: Cheng, Junhao, et al.
Pubblicazione: (2025)

Video-Holmes: Can MLLM Think Like Holmes for Complex Video Reasoning?
di: Cheng, Junhao, et al.
Pubblicazione: (2025)

MTV-Inpaint: Multi-Task Long Video Inpainting
di: Yang, Shiyuan, et al.
Pubblicazione: (2025)

What Happens Next? Next Scene Prediction with a Unified Video Model
di: Li, Xinjie, et al.
Pubblicazione: (2025)

Identity-GRPO: Optimizing Multi-Human Identity-preserving Video Generation via Reinforcement Learning
di: Meng, Xiangyu, et al.
Pubblicazione: (2025)

Event-aware Video Corpus Moment Retrieval
di: Hou, Danyang, et al.
Pubblicazione: (2024)

Fostering Video Reasoning via Next-Event Prediction
di: Wang, Haonan, et al.
Pubblicazione: (2025)

Align and Aggregate: Compositional Reasoning with Video Alignment and Answer Aggregation for Video Question-Answering
di: Liao, Zhaohe, et al.
Pubblicazione: (2024)

Autoregressive Video Generation beyond Next Frames Prediction
di: Ren, Sucheng, et al.
Pubblicazione: (2025)

Direct-a-Video: Customized Video Generation with User-Directed Camera Movement and Object Motion
di: Yang, Shiyuan, et al.
Pubblicazione: (2024)

UniVA: Universal Video Agent towards Open-Source Next-Generation Video Generalist
di: Liang, Zhengyang, et al.
Pubblicazione: (2025)

Lumina-Video: Efficient and Flexible Video Generation with Multi-scale Next-DiT
di: Liu, Dongyang, et al.
Pubblicazione: (2025)

Rethinking Reward Signals in Video GRPO: When Scores Become Targets
di: Li, Rui, et al.
Pubblicazione: (2025)

When and Where do Events Switch in Multi-Event Video Generation?
di: Liao, Ruotong, et al.
Pubblicazione: (2025)

InfLVG: Reinforce Inference-Time Consistent Long Video Generation with GRPO
di: Fang, Xueji, et al.
Pubblicazione: (2025)

VideoAR: Autoregressive Video Generation via Next-Frame & Scale Prediction
di: Ji, Longbin, et al.
Pubblicazione: (2026)

MMPhysVideo: Scaling Physical Plausibility in Video Generation via Joint Multimodal Modeling
di: Lin, Shubo, et al.
Pubblicazione: (2026)

An Empirical Study on How Video-LLMs Answer Video Questions
di: Gou, Chenhui, et al.
Pubblicazione: (2025)

TS-Attn: Temporal-wise Separable Attention for Multi-Event Video Generation
di: Zhang, Hongyu, et al.
Pubblicazione: (2026)

SDM-Car: A Dataset for Small and Dim Moving Vehicles Detection in Satellite Videos
di: Zhang, Zhen, et al.
Pubblicazione: (2024)

DiffSal: Joint Audio and Video Learning for Diffusion Saliency Prediction
di: Xiong, Junwen, et al.
Pubblicazione: (2024)

InternVideo-Next: Towards General Video Foundation Models without Video-Text Supervision
di: Wang, Chenting, et al.
Pubblicazione: (2025)

VMonarch: Efficient Video Diffusion Transformers with Structured Attention
di: Liang, Cheng, et al.
Pubblicazione: (2026)

TIE: Time Interval Encoding for Video Generation over Events
di: Shu, Zhilei, et al.
Pubblicazione: (2026)

RAVEN: Real-time Autoregressive Video Extrapolation with Consistency-model GRPO
di: Lu, Yanzuo, et al.
Pubblicazione: (2026)

TempoMaster: Efficient Long Video Generation via Next-Frame-Rate Prediction
di: Ma, Yukuo, et al.
Pubblicazione: (2025)

Long-Context Autoregressive Video Modeling with Next-Frame Prediction
di: Gu, Yuchao, et al.
Pubblicazione: (2025)

DanceGRPO: Unleashing GRPO on Visual Generation
di: Xue, Zeyue, et al.
Pubblicazione: (2025)

Position: Interactive Generative Video as Next-Generation Game Engine
di: Yu, Jiwen, et al.
Pubblicazione: (2025)

MedGRPO: Multi-Task Reinforcement Learning for Heterogeneous Medical Video Understanding
di: Su, Yuhao, et al.
Pubblicazione: (2025)

Open-Event Procedure Planning in Instructional Videos
di: Wu, Yilu, et al.
Pubblicazione: (2024)

SyncDPO: Enhancing Temporal Synchronization in Video-Audio Joint Generation via Preference Learning
di: Cheng, Xin, et al.
Pubblicazione: (2026)

Generalized Video Anomaly Event Detection: Systematic Taxonomy and Comparison of Deep Models
di: Liu, Yang, et al.
Pubblicazione: (2023)

Video-CoE: Reinforcing Video Event Prediction via Chain of Events
di: Su, Qile, et al.
Pubblicazione: (2026)

Next Block Prediction: Video Generation via Semi-Autoregressive Modeling
di: Ren, Shuhuai, et al.
Pubblicazione: (2025)

Video Detective: Seek Critical Clues Recurrently to Answer Question from Long Videos
di: Du, Henghui, et al.
Pubblicazione: (2025)

FlexTraj: Image-to-Video Generation with Flexible Point Trajectory Control
di: Zhang, Zhiyuan, et al.
Pubblicazione: (2025)

StreamGVE: Training-Free Video Editing via Few-Step Streaming Video Generation
di: Jiao, Guanlong, et al.
Pubblicazione: (2026)

VideoSEAL: Mitigating Evidence Misalignment in Agentic Long Video Understanding by Decoupling Answer Authority
di: Qiu, Chenhao, et al.
Pubblicazione: (2026)