Tag · 6 篇
时序对齐
面向视频与时间序列的因果最优传输不确定性感知无监督域自适应
Towards Uncertainty-aware Unsupervised Domain Adaptation for Videos and Time-Series with Causal Optimal Transport
将因果图正则化嵌入最优传输对齐过程，为视频域自适应提供了一种同时对齐特征分布与因果结构的可复用框架，其基于熵与结构一致性的伪标签筛选策略可直接用于提升自训练稳定性。
SwitchCraft：基于注意力控制的免训练多事件视频生成
SwitchCraft: Training-Free Multi-Event Video Generation with Attention Controls
EAQS 通过按事件对齐帧级注意力来引导提示词注入，ABSS 自适应调节引导强度，这套免训练的注意力操控思路可直接迁移到任何 DiT 类视频扩散模型上，用于解决多阶段叙事、镜头切换等时序可控生成问题。
Spk2VidNet：一种用于从长脉冲相机流中高保真重建视频的分层循环架构
Spk2VidNet: A Hierarchical Recurrent Architecture for High-Fidelity Video Reconstruction from Long Spike-Camera Streams
针对脉冲相机低空间分辨率问题，提出分层循环网络从长脉冲流重建高分辨率图像序列，其分层扩大时序感受野、基于运动一致性的对齐模块和多尺度相似性融合模块可复用于其他时序超分或视频复原任务。
面向不配对测试时分布外文本-图像到视频生成的推理扩散模型
Reasoning Diffusion for Unpaired Test Time Out-of-distribution Text-Image to Video Generation
ReasonDiff 利用多模态 LLM 为不配对文本-图像输入生成逐帧叙事，并通过 AlignFormer 的多阶段时序锚框注意力预测帧级潜变量，为视频扩散模型提供结构化引导，可复用于需要跨模态时序推理的视频生成任务。
Harmony：通过跨任务协同实现音视频生成和谐化
Harmony: Harmonizing Audio and Video Generation through Cross-Task Synergy
提出跨任务协同训练与SyncCFG，可迁移到视频生成中增强跨模态对齐；全局-局部解耦交互模块为时序细粒度对齐提供高效注意力设计思路。
CATNet：面向协同感知的协同对齐与变换网络
CATNet: Collaborative Alignment and Transformation Network for Cooperative Perception
面向车路协同/多智能体感知中的时序延迟与多源噪声问题，STSync 的相邻帧差分对齐与 WTDen 的小波域去噪可作为即插模块复用到任何异步多视角特征融合流程中。