Copertina

LEGO: Learning EGOcentric Action Frame Generation via Visual Instruction Tuning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Lai, Bolin, Dai, Xiaoliang, Chen, Lawrence, Pang, Guan, Rehg, James M., Liu, Miao
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Listen to Look into the Future: Audio-Visual Egocentric Gaze Anticipation
di: Lai, Bolin, et al.
Pubblicazione: (2023)

In the Eye of Transformer: Global-Local Correlation for Egocentric Gaze Estimation
di: Lai, Bolin, et al.
Pubblicazione: (2022)

Learning Predictive Visuomotor Coordination
di: Jia, Wenqi, et al.
Pubblicazione: (2025)

Unified Text-Image-to-Video Generation: A Training-Free Approach to Flexible Visual Conditioning
di: Lai, Bolin, et al.
Pubblicazione: (2025)

Unleashing In-context Learning of Autoregressive Models for Few-shot Image Manipulation
di: Lai, Bolin, et al.
Pubblicazione: (2024)

Human Action Anticipation: A Survey
di: Lai, Bolin, et al.
Pubblicazione: (2024)

AMEGO: Active Memory from long EGOcentric videos
di: Goletto, Gabriele, et al.
Pubblicazione: (2024)

PREGO: online mistake detection in PRocedural EGOcentric videos
di: Flaborea, Alessandro, et al.
Pubblicazione: (2024)

Towards Online Multi-Modal Social Interaction Understanding
di: Li, Xinpeng, et al.
Pubblicazione: (2025)

Generative Visual Instruction Tuning
di: Hernandez, Jefferson, et al.
Pubblicazione: (2024)

TI-PREGO: Chain of Thought and In-Context Learning for Online Mistake Detection in PRocedural EGOcentric Videos
di: Plini, Leonardo, et al.
Pubblicazione: (2024)

Modeling Multimodal Social Interactions: New Challenges and Baselines with Densely Aligned Representations
di: Lee, Sangmin, et al.
Pubblicazione: (2024)

SocialGesture: Delving into Multi-person Gesture Understanding
di: Cao, Xu, et al.
Pubblicazione: (2025)

Toward Diffusible High-Dimensional Latent Spaces: A Frequency Perspective
di: Lai, Bolin, et al.
Pubblicazione: (2025)

Omni-MMSI: Toward Identity-attributed Social Interaction Understanding
di: Li, Xinpeng, et al.
Pubblicazione: (2026)

The Audio-Visual Conversational Graph: From an Egocentric-Exocentric Perspective
di: Jia, Wenqi, et al.
Pubblicazione: (2023)

InstructVLA: Vision-Language-Action Instruction Tuning from Understanding to Manipulation
di: Yang, Shuai, et al.
Pubblicazione: (2025)

Personalized Visual Instruction Tuning
di: Pi, Renjie, et al.
Pubblicazione: (2024)

Comparison Visual Instruction Tuning
di: Lin, Wei, et al.
Pubblicazione: (2024)

Visual Instruction Tuning with Chain of Region-of-Interest
di: Chen, Yixin, et al.
Pubblicazione: (2025)

INST-IT: Boosting Instance Understanding via Explicit Visual Prompt Instruction Tuning
di: Peng, Wujian, et al.
Pubblicazione: (2024)

MetaMorph: Multimodal Understanding and Generation via Instruction Tuning
di: Tong, Shengbang, et al.
Pubblicazione: (2024)

Osprey: Pixel Understanding with Visual Instruction Tuning
di: Yuan, Yuqian, et al.
Pubblicazione: (2023)

DiffEye: Diffusion-Based Continuous Eye-Tracking Data Generation Conditioned on Natural Images
di: Kara, Ozgur, et al.
Pubblicazione: (2025)

GRASP: Learning to Ground Social Reasoning in Multi-Person Non-Verbal Interactions
di: Kim, Junho, et al.
Pubblicazione: (2026)

Corrupted but Not Broken: Understanding and Mitigating the Negative Impacts of Corrupted Data in Visual Instruction Tuning
di: Gou, Yunhao, et al.
Pubblicazione: (2025)

Medical Image Understanding Improves Survival Prediction via Visual Instruction Tuning
di: Liu, Xixi, et al.
Pubblicazione: (2026)

LLaVA-c: Continual Improved Visual Instruction Tuning
di: Liu, Wenzhuo, et al.
Pubblicazione: (2025)

Instructify: Demystifying Metadata to Visual Instruction Tuning Data Conversion
di: Hansen, Jacob, et al.
Pubblicazione: (2025)

What is the Visual Cognition Gap between Humans and Multimodal LLMs?
di: Cao, Xu, et al.
Pubblicazione: (2024)

LEGO-Motion: Learning-Enhanced Grids with Occupancy Instance Modeling for Class-Agnostic Motion Prediction
di: Qian, Kangan, et al.
Pubblicazione: (2025)

Instruction Tuning-free Visual Token Complement for Multimodal LLMs
di: Wang, Dongsheng, et al.
Pubblicazione: (2024)

MM-SpuBench: Towards Better Understanding of Spurious Biases in Multimodal LLMs
di: Ye, Wenqian, et al.
Pubblicazione: (2024)

Pose-RFT: Enhancing MLLMs for 3D Pose Generation via Hybrid Action Reinforcement Fine-Tuning
di: Li, Bao, et al.
Pubblicazione: (2025)

Noise-Tolerant Learning for Audio-Visual Action Recognition
di: Han, Haochen, et al.
Pubblicazione: (2022)

LEGO: Self-Supervised Representation Learning for Scene Text Images
di: Ren, Yujin, et al.
Pubblicazione: (2024)

Immune2V: Image Immunization Against Dual-Stream Image-to-Video Generation
di: Long, Zeqian, et al.
Pubblicazione: (2026)

Symmetry Strikes Back: From Single-Image Symmetry Detection to 3D Generation
di: Li, Xiang, et al.
Pubblicazione: (2024)

Cue3D: Quantifying the Role of Image Cues in Single-Image 3D Generation
di: Li, Xiang, et al.
Pubblicazione: (2025)

Visual Generation Tuning
di: Guo, Jiahao, et al.
Pubblicazione: (2025)