Copertina

Distilling Vision-Language Models on Millions of Videos

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhao, Yue, Zhao, Long, Zhou, Xingyi, Wu, Jialin, Chu, Chun-Te, Miao, Hui, Schroff, Florian, Adam, Hartwig, Liu, Ting, Gong, Boqing, Krähenbühl, Philipp, Yuan, Liangzhe
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Structured Video-Language Modeling with Temporal Grouping and Spatial Grounding
di: Xiong, Yuanhao, et al.
Pubblicazione: (2023)

VideoGLUE: Video General Understanding Evaluation of Foundation Models
di: Yuan, Liangzhe, et al.
Pubblicazione: (2023)

VideoPrism: A Foundational Visual Encoder for Video Understanding
di: Zhao, Long, et al.
Pubblicazione: (2024)

Image and Video Tokenization with Binary Spherical Quantization
di: Zhao, Yue, et al.
Pubblicazione: (2024)

Interactive Post-Training for Vision-Language-Action Models
di: Tan, Shuhan, et al.
Pubblicazione: (2025)

Video Creation by Demonstration
di: Sun, Yihong, et al.
Pubblicazione: (2024)

Domain Adaptation Through Task Distillation
di: Zhou, Brady, et al.
Pubblicazione: (2020)

Epsilon-VAE: Denoising as Visual Decoding
di: Zhao, Long, et al.
Pubblicazione: (2024)

The LLM Bottleneck: Why Open-Source Vision LLMs Struggle with Hierarchical Visual Recognition
di: Tan, Yuwen, et al.
Pubblicazione: (2025)

Image Diffusion Preview with Consistency Solver
di: Wang, Fu-Yun, et al.
Pubblicazione: (2025)

Compressed Map Priors for 3D Perception
di: Zhou, Brady, et al.
Pubblicazione: (2025)

Moiré Video Authentication: A Physical Signature Against AI Video Generation
di: Qing, Yuan, et al.
Pubblicazione: (2026)

VideoDistill: Language-aware Vision Distillation for Video Question Answering
di: Zou, Bo, et al.
Pubblicazione: (2024)

Spherical Leech Quantization for Visual Tokenization and Generation
di: Zhao, Yue, et al.
Pubblicazione: (2025)

Lifting Data-Tracing Machine Unlearning to Knowledge-Tracing for Foundation Models
di: Tan, Yuwen, et al.
Pubblicazione: (2025)

GEOMETRIA ÓSSEA E ATIVIDADE FÍSICA EM CRIANÇAS E ADOLESCENTES: REVISÃO SISTEMÁTICA
di: Tathyane Krahenbühl
Pubblicazione: (2018)

The use of the additional field player in handball: analysis of the Rio 2016 Olympic Games
di: Tathyane Krahenbühl
Pubblicazione: (2019)

Fatores que influenciam a massa óssea de crianças e adolescentes saudáveis mensurada pelo ultrassom quantitativo de falanges: revisão sistemática
di: Tathyane Krahenbühl
Pubblicazione: (2014)

Long-term Traffic Simulation with Interleaved Autoregressive Motion and Scenario Generation
di: Yang, Xiuyu, et al.
Pubblicazione: (2025)

HypDAE: Hyperbolic Diffusion Autoencoders for Hierarchical Few-shot Image Generation
di: Li, Lingxiao, et al.
Pubblicazione: (2024)

The transcription factor LbYABBY1 of Limonium bicolor raises salt sensitivity by repressing the LbSAD2 pathway
di: Boqing Zhao, et al.
Pubblicazione: (2025)

VideoAds for Fast-Paced Video Understanding
di: Zhang, Zheyuan, et al.
Pubblicazione: (2025)

On Discrete Prompt Optimization for Diffusion Models
di: Wang, Ruochen, et al.
Pubblicazione: (2024)

LiteFrame: Efficient Vision Encoders Unlock Frame Scaling in Video LLMs
di: Kim, Jihwan, et al.
Pubblicazione: (2026)

Attention to Neural Plagiarism: Diffusion Models Can Plagiarize Your Copyrighted Images!
di: Zou, Zihang, et al.
Pubblicazione: (2026)

Culture in Action: Evaluating Text-to-Image Models through Social Activities
di: Malakouti, Sina, et al.
Pubblicazione: (2025)

1.4 Million Open-Source Distilled Reasoning Dataset to Empower Large Language Model Training
di: Zhao, Han, et al.
Pubblicazione: (2025)

Deranged Perfect Matchings on complete graph and balanced complete r-partite graph
di: Deng, Boqing
Pubblicazione: (2025)

Distill Video Datasets into Images
di: Zhao, Zhenghao, et al.
Pubblicazione: (2025)

Performance and accuracy of cross‐section tracking methods for hydromorphological habitat assessment in wadable rivers with sparse canopy conditions
di: Robin Schroff, et al.
Pubblicazione: (2024)

Neptune: The Long Orbit to Benchmarking Long Video Understanding
di: Nagrani, Arsha, et al.
Pubblicazione: (2024)

Accelerating Attention with Basis Decomposition
di: Zhao, Jialin
Pubblicazione: (2025)

Compositional Video Generation as Flow Equalization
di: Yang, Xingyi, et al.
Pubblicazione: (2024)

QLIP: Text-Aligned Visual Tokenization Unifies Auto-Regressive Multimodal Understanding and Generation
di: Zhao, Yue, et al.
Pubblicazione: (2025)

Rapid stochastic spatial light modulator calibration and pixel crosstalk optimisation
di: Schroff, P., et al.
Pubblicazione: (2024)

Continual Adapter Tuning with Semantic Shift Compensation for Class-Incremental Learning
di: Zhou, Qinhao, et al.
Pubblicazione: (2024)

TASeg: Text-aware RGB-T Semantic Segmentation based on Fine-tuning Vision Foundation Models
di: Yu, Meng, et al.
Pubblicazione: (2025)

Generalization of a density‐dependent ecosystem function in dominant aquatic macroinvertebrates
di: Roman Alther, et al.
Pubblicazione: (2024)

Think over Trajectories: Leveraging Video Generation to Reconstruct GPS Trajectories from Cellular Signaling
di: Zhang, Ruixing, et al.
Pubblicazione: (2026)

The Wisdom of Agent Crowds: A Human-AI Interaction Innovation Ignition Framework
di: Yang, Senhao, et al.
Pubblicazione: (2025)