Copertina

GEB+: A Benchmark for Generic Event Boundary Captioning, Grounding and Retrieval

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wang, Yuxuan, Gao, Difei, Yu, Licheng, Lei, Stan Weixian, Feiszli, Matt, Shou, Mike Zheng
Natura:	Preprint
Pubblicazione:	2022
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Factorized Learning for Temporally Grounded Video-Language Models
di: Zeng, Wenzheng, et al.
Pubblicazione: (2025)

ViT-Lens: Towards Omni-modal Representations
di: Lei, Weixian, et al.
Pubblicazione: (2023)

The Dawn of GUI Agent: A Preliminary Case Study with Claude 3.5 Computer Use
di: Hu, Siyuan, et al.
Pubblicazione: (2024)

VLog: Video-Language Models by Generative Retrieval of Narration Vocabulary
di: Lin, Kevin Qinghong, et al.
Pubblicazione: (2025)

ViT-Lens: Initiating Omni-Modal Exploration through 3D Insights
di: Lei, Weixian, et al.
Pubblicazione: (2023)

ShowUI: One Vision-Language-Action Model for GUI Visual Agent
di: Lin, Kevin Qinghong, et al.
Pubblicazione: (2024)

VideoGUI: A Benchmark for GUI Automation from Instructional Videos
di: Lin, Kevin Qinghong, et al.
Pubblicazione: (2024)

D-AR: Diffusion via Autoregressive Models
di: Gao, Ziteng, et al.
Pubblicazione: (2025)

ADen: Adaptive Density Representations for Sparse-view Camera Pose Estimation
di: Tang, Hao, et al.
Pubblicazione: (2024)

LOVA3: Learning to Visual Question Answering, Asking and Assessment
di: Zhao, Henry Hengyuan, et al.
Pubblicazione: (2024)

P-Flow: Prompting Visual Effects Generation
di: Zhao, Rui, et al.
Pubblicazione: (2026)

Delocate: Detection and Localization for Deepfake Videos with Randomly-Located Tampered Traces
di: Hu, Juan, et al.
Pubblicazione: (2024)

Show-1: Marrying Pixel and Latent Diffusion Models for Text-to-Video Generation
di: Zhang, David Junhao, et al.
Pubblicazione: (2023)

LLMVA-GEBC: Large Language Model with Video Adapter for Generic Event Boundary Captioning
di: Tang, Yolo Yunlong, et al.
Pubblicazione: (2023)

ShowUI-Aloha: Human-Taught GUI Agent
di: Zhang, Yichun, et al.
Pubblicazione: (2026)

Grounded Video Caption Generation
di: Kazakos, Evangelos, et al.
Pubblicazione: (2024)

EVENT-Retriever: Event-Aware Multimodal Image Retrieval for Realistic Captions
di: Vo, Dinh-Khoi, et al.
Pubblicazione: (2025)

ROICtrl: Boosting Instance Control for Visual Generation
di: Gu, Yuchao, et al.
Pubblicazione: (2024)

Parrot Captions Teach CLIP to Spot Text
di: Lin, Yiqi, et al.
Pubblicazione: (2023)

PANDA: Towards Generalist Video Anomaly Detection via Agentic AI Engineer
di: Yang, Zhiwei, et al.
Pubblicazione: (2025)

Automated Movie Generation via Multi-Agent CoT Planning
di: Wu, Weijia, et al.
Pubblicazione: (2025)

DoraCycle: Domain-Oriented Adaptation of Unified Generative Model in Multimodal Cycles
di: Zhao, Rui, et al.
Pubblicazione: (2025)

MakeAnything: Harnessing Diffusion Transformers for Multi-Domain Procedural Sequence Generation
di: Song, Yiren, et al.
Pubblicazione: (2025)

TPDiff: Temporal Pyramid Video Diffusion Model
di: Ran, Lingmin, et al.
Pubblicazione: (2025)

Ego-centric Predictive Model Conditioned on Hand Trajectories
di: Zhang, Binjie, et al.
Pubblicazione: (2025)

Rethinking the Architecture Design for Efficient Generic Event Boundary Detection
di: Zheng, Ziwei, et al.
Pubblicazione: (2024)

GUI Action Narrator: Where and When Did That Action Take Place?
di: Wu, Qinchen, et al.
Pubblicazione: (2024)

Learning Video Context as Interleaved Multimodal Sequences
di: Lin, Kevin Qinghong, et al.
Pubblicazione: (2024)

Factorized Visual Tokenization and Generation
di: Bai, Zechen, et al.
Pubblicazione: (2024)

EVOLVE-VLA: Test-Time Training from Environment Feedback for Vision-Language-Action Models
di: Bai, Zechen, et al.
Pubblicazione: (2025)

WorldWander: Bridging Egocentric and Exocentric Worlds in Video Generation
di: Song, Quanjian, et al.
Pubblicazione: (2025)

UENR-600K: A Large-Scale Physically Grounded Dataset for Nighttime Video Deraining
di: Yang, Pei, et al.
Pubblicazione: (2026)

VideoLLM-online: Online Video Large Language Model for Streaming Video
di: Chen, Joya, et al.
Pubblicazione: (2024)

Mitty: Diffusion-based Human-to-Robot Video Generation
di: Song, Yiren, et al.
Pubblicazione: (2025)

OmniPSD: Layered PSD Generation with Diffusion Transformer
di: Liu, Cheng, et al.
Pubblicazione: (2025)

StreamingEffect: Real-Time Human-Centric Video Effect Generation
di: Song, Yiren, et al.
Pubblicazione: (2026)

X-Humanoid: Robotize Human Videos to Generate Humanoid Videos at Scale
di: Yang, Pei, et al.
Pubblicazione: (2025)

ICON: Incremental CONfidence for Joint Pose and Radiance Field Optimization
di: Wang, Weiyao, et al.
Pubblicazione: (2024)

3x2: 3D Object Part Segmentation by 2D Semantic Correspondences
di: Thai, Anh, et al.
Pubblicazione: (2024)

The Image as Its Own Reward: Reinforcement Learning with Adversarial Reward for Image Generation
di: Mao, Weijia, et al.
Pubblicazione: (2025)