Copertina

Transformer-based Video Saliency Prediction with High Temporal Dimension Decoding

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Moradi, Morteza, Palazzo, Simone, Spampinato, Concetto
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Multimedia
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

SalFoM: Dynamic Saliency Prediction with Video Foundation Models
di: Moradi, Morteza, et al.
Pubblicazione: (2024)

Global-Local Feature Decoding with Adapter-Guided SAMv2 for Salient Object Detection
di: Moradi, Morteza, et al.
Pubblicazione: (2026)

SeeingSounds: Learning Audio-to-Visual Alignment via Text
di: Carnemolla, Simone, et al.
Pubblicazione: (2025)

Brain-Grasp: Graph-based Saliency Priors for Improved fMRI-based Visual Brain Decoding
di: Moradi, Mohammad, et al.
Pubblicazione: (2026)

AIM 2024 Challenge on Video Saliency Prediction: Methods and Results
di: Moskalenko, Andrey, et al.
Pubblicazione: (2024)

Viewport Prediction for Volumetric Video Streaming by Exploring Video Saliency and Trajectory Information
di: Li, Jie, et al.
Pubblicazione: (2023)

SpikeMba: Multi-Modal Spiking Saliency Mamba for Temporal Video Grounding
di: Li, Wenrui, et al.
Pubblicazione: (2024)

Using Saliency and Cropping to Improve Video Memorability
di: Mudgal, Vaibhav, et al.
Pubblicazione: (2023)

MatFuse: Controllable Material Generation with Diffusion Models
di: Vecchio, Giuseppe, et al.
Pubblicazione: (2023)

Exposure Completing for Temporally Consistent Neural High Dynamic Range Video Rendering
di: Cui, Jiahao, et al.
Pubblicazione: (2024)

Sphere-GAN: a GAN-based Approach for Saliency Estimation in 360° Videos
di: Wahba, Mahmoud Z. A., et al.
Pubblicazione: (2025)

Controllable Complex Human Motion Video Generation via Text-to-Skeleton Cascades
di: Taghipour, Ashkan, et al.
Pubblicazione: (2026)

Enrich and Detect: Video Temporal Grounding with Multimodal LLMs
di: Pramanick, Shraman, et al.
Pubblicazione: (2025)

VideoZeroBench: Probing the Limits of Video MLLMs with Spatio-Temporal Evidence Verification
di: Meng, Jiahao, et al.
Pubblicazione: (2026)

High-Quality Live Video Streaming via Transcoding Time Prediction and Preset Selection
di: Shahre-Babak, Zahra Nabizadeh, et al.
Pubblicazione: (2023)

Diffexplainer: Towards Cross-modal Global Explanations with Diffusion Models
di: Pennisi, Matteo, et al.
Pubblicazione: (2024)

ChatVTG: Video Temporal Grounding via Chat with Video Dialogue Large Language Models
di: Qu, Mengxue, et al.
Pubblicazione: (2024)

2D or 3D: Who Governs Salience in VLA Models? -- Tri-Stage Token Pruning Framework with Modality Salience Awareness
di: Zheng, Zihao, et al.
Pubblicazione: (2026)

SOSControl: Enhancing Human Motion Generation through Saliency-Aware Symbolic Orientation and Timing Control
di: Au, Ho Yin, et al.
Pubblicazione: (2025)

SSNVC: Single Stream Neural Video Compression with Implicit Temporal Information
di: Wang, Feng, et al.
Pubblicazione: (2024)

Robust Mesh Saliency Ground Truth Acquisition in VR via View Cone Sampling and Manifold Diffusion
di: Zheng, Guoquan, et al.
Pubblicazione: (2026)

Context Guided Transformer Entropy Modeling for Video Compression
di: Tong, Junlong, et al.
Pubblicazione: (2025)

Learning Spatial Adaptation and Temporal Coherence in Diffusion Models for Video Super-Resolution
di: Chen, Zhikai, et al.
Pubblicazione: (2024)

Pursuing Temporal-Consistent Video Virtual Try-On via Dynamic Pose Interaction
di: Li, Dong, et al.
Pubblicazione: (2025)

TUNA: Comprehensive Fine-grained Temporal Understanding Evaluation on Dense Dynamic Videos
di: Kong, Fanheng, et al.
Pubblicazione: (2025)

VideoMem: Constructing, Analyzing, Predicting Short-term and Long-term Video Memorability
di: Cohendet, Romain, et al.
Pubblicazione: (2018)

TRIP: Temporal Residual Learning with Image Noise Prior for Image-to-Video Diffusion Models
di: Zhang, Zhongwei, et al.
Pubblicazione: (2024)

VidCompress: Memory-Enhanced Temporal Compression for Video Understanding in Large Language Models
di: Lan, Xiaohan, et al.
Pubblicazione: (2024)

A Multimodal Transformer for Live Streaming Highlight Prediction
di: Deng, Jiaxin, et al.
Pubblicazione: (2024)

Advanced Learning-Based Inter Prediction for Future Video Coding
di: Zhao, Yanchen, et al.
Pubblicazione: (2024)

Representing Long Volumetric Video with Temporal Gaussian Hierarchy
di: Xu, Zhen, et al.
Pubblicazione: (2024)

TEn-CATG:Text-Enriched Audio-Visual Video Parsing with Multi-Scale Category-Aware Temporal Graph
di: Chen, Yaru, et al.
Pubblicazione: (2025)

UniAnimate-DiT: Human Image Animation with Large-Scale Video Diffusion Transformer
di: Wang, Xiang, et al.
Pubblicazione: (2025)

Tile Classification Based Viewport Prediction with Multi-modal Fusion Transformer
di: Zhang, Zhihao, et al.
Pubblicazione: (2023)

HIRI-ViT: Scaling Vision Transformer with High Resolution Inputs
di: Yao, Ting, et al.
Pubblicazione: (2024)

Rate-aware Compression for NeRF-based Volumetric Video
di: Zhang, Zhiyu, et al.
Pubblicazione: (2024)

L-LBVC: Long-Term Motion Estimation and Prediction for Learned Bi-Directional Video Compression
di: Zhai, Yongqi, et al.
Pubblicazione: (2025)

Can Video Diffusion Models Predict Past Frames? Bidirectional Cycle Consistency for Reversible Interpolation
di: Liu, Lingyu, et al.
Pubblicazione: (2026)

Selective Attention-based Modulation for Continual Learning
di: Bellitto, Giovanni, et al.
Pubblicazione: (2024)

Reversing the Damage: A QP-Aware Transformer-Diffusion Approach for 8K Video Restoration under Codec Compression
di: Dehaghi, Ali Mollaahmadi, et al.
Pubblicazione: (2024)