TDViT: Temporal Dilated Video Transformer for Dense Video Tasks
Fuente:
arXiv
Guardado en:
| Autores principales: | Sun, Guanxiong, Hua, Yang, Hu, Guosheng, Robertson, Neil |
|---|---|
| Formato: | Preprint |
| Publicado: |
2024
|
| Materias: | |
| Acceso en línea: | |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
Ejemplares similares
Efficient One-stage Video Object Detection by Exploiting Temporal Consistency
por: Sun, Guanxiong, et al.
Publicado: (2024)
por: Sun, Guanxiong, et al.
Publicado: (2024)
MAMBA: Multi-level Aggregation via Memory Bank for Video Object Detection
por: Sun, Guanxiong, et al.
Publicado: (2024)
por: Sun, Guanxiong, et al.
Publicado: (2024)
Spatio-temporal Prompting Network for Robust Video Feature Extraction
por: Sun, Guanxiong, et al.
Publicado: (2024)
por: Sun, Guanxiong, et al.
Publicado: (2024)
Sparse-Dense Side-Tuner for efficient Video Temporal Grounding
por: Pujol-Perich, David, et al.
Publicado: (2025)
por: Pujol-Perich, David, et al.
Publicado: (2025)
FTDMamba: Frequency-Assisted Temporal Dilation Mamba for Unmanned Aerial Vehicle Video Anomaly Detection
por: Liu, Cheng-Zhuang, et al.
Publicado: (2026)
por: Liu, Cheng-Zhuang, et al.
Publicado: (2026)
Exploring Temporal Event Cues for Dense Video Captioning in Cyclic Co-learning
por: Xie, Zhuyang, et al.
Publicado: (2024)
por: Xie, Zhuyang, et al.
Publicado: (2024)
Temporal2Seq: A Unified Framework for Temporal Video Understanding Tasks
por: Yang, Min, et al.
Publicado: (2024)
por: Yang, Min, et al.
Publicado: (2024)
Unified Dense Prediction of Video Diffusion
por: Yang, Lehan, et al.
Publicado: (2025)
por: Yang, Lehan, et al.
Publicado: (2025)
Moment Quantization for Video Temporal Grounding
por: Sun, Xiaolong, et al.
Publicado: (2025)
por: Sun, Xiaolong, et al.
Publicado: (2025)
STCDiT: Spatio-Temporally Consistent Diffusion Transformer for High-Quality Video Super-Resolution
por: Chen, Junyang, et al.
Publicado: (2025)
por: Chen, Junyang, et al.
Publicado: (2025)
DenseDPO: Fine-Grained Temporal Preference Optimization for Video Diffusion Models
por: Wu, Ziyi, et al.
Publicado: (2025)
por: Wu, Ziyi, et al.
Publicado: (2025)
Streaming Dense Video Captioning
por: Zhou, Xingyi, et al.
Publicado: (2024)
por: Zhou, Xingyi, et al.
Publicado: (2024)
Dense Video Object Captioning from Disjoint Supervision
por: Zhou, Xingyi, et al.
Publicado: (2023)
por: Zhou, Xingyi, et al.
Publicado: (2023)
Number it: Temporal Grounding Videos like Flipping Manga
por: Wu, Yongliang, et al.
Publicado: (2024)
por: Wu, Yongliang, et al.
Publicado: (2024)
Video-Language Alignment via Spatio-Temporal Graph Transformer
por: Zhang, Shi-Xue, et al.
Publicado: (2024)
por: Zhang, Shi-Xue, et al.
Publicado: (2024)
Task Indicating Transformer for Task-conditional Dense Predictions
por: Lu, Yuxiang, et al.
Publicado: (2024)
por: Lu, Yuxiang, et al.
Publicado: (2024)
Self-Diffusion Driven Blind Imaging
por: Yang, Yanlong, et al.
Publicado: (2025)
por: Yang, Yanlong, et al.
Publicado: (2025)
Emergent Temporal Correspondences from Video Diffusion Transformers
por: Nam, Jisu, et al.
Publicado: (2025)
por: Nam, Jisu, et al.
Publicado: (2025)
VideoCoF: Unified Video Editing with Temporal Reasoner
por: Yang, Xiangpeng, et al.
Publicado: (2025)
por: Yang, Xiangpeng, et al.
Publicado: (2025)
TUNA: Comprehensive Fine-grained Temporal Understanding Evaluation on Dense Dynamic Videos
por: Kong, Fanheng, et al.
Publicado: (2025)
por: Kong, Fanheng, et al.
Publicado: (2025)
TemporalVLM: Video LLMs for Temporal Reasoning in Long Videos
por: Fateh, Fawad Javed, et al.
Publicado: (2024)
por: Fateh, Fawad Javed, et al.
Publicado: (2024)
VidChain: Chain-of-Tasks with Metric-based Direct Preference Optimization for Dense Video Captioning
por: Lee, Ji Soo, et al.
Publicado: (2025)
por: Lee, Ji Soo, et al.
Publicado: (2025)
Technical Report for Soccernet 2023 -- Dense Video Captioning
por: Ruan, Zheng, et al.
Publicado: (2024)
por: Ruan, Zheng, et al.
Publicado: (2024)
Learning Transferable Temporal Primitives for Video Reasoning via Synthetic Videos
por: Jiang, Songtao, et al.
Publicado: (2026)
por: Jiang, Songtao, et al.
Publicado: (2026)
DeCo: Decoupled Human-Centered Diffusion Video Editing with Motion Consistency
por: Zhong, Xiaojing, et al.
Publicado: (2024)
por: Zhong, Xiaojing, et al.
Publicado: (2024)
Sparse VideoGen: Accelerating Video Diffusion Transformers with Spatial-Temporal Sparsity
por: Xi, Haocheng, et al.
Publicado: (2025)
por: Xi, Haocheng, et al.
Publicado: (2025)
V-STaR: Benchmarking Video-LLMs on Video Spatio-Temporal Reasoning
por: Cheng, Zixu, et al.
Publicado: (2025)
por: Cheng, Zixu, et al.
Publicado: (2025)
SmartSight: Mitigating Hallucination in Video-LLMs Without Compromising Video Understanding via Temporal Attention Collapse
por: Sun, Yiming, et al.
Publicado: (2025)
por: Sun, Yiming, et al.
Publicado: (2025)
DeVAn: Dense Video Annotation for Video-Language Models
por: Liu, Tingkai, et al.
Publicado: (2023)
por: Liu, Tingkai, et al.
Publicado: (2023)
Explicit Temporal-Semantic Modeling for Dense Video Captioning via Context-Aware Cross-Modal Interaction
por: Jia, Mingda, et al.
Publicado: (2025)
por: Jia, Mingda, et al.
Publicado: (2025)
TimeExpert: An Expert-Guided Video LLM for Video Temporal Grounding
por: Yang, Zuhao, et al.
Publicado: (2025)
por: Yang, Zuhao, et al.
Publicado: (2025)
VideoCompressa: Data-Efficient Video Understanding via Joint Temporal Compression and Spatial Reconstruction
por: Wang, Shaobo, et al.
Publicado: (2025)
por: Wang, Shaobo, et al.
Publicado: (2025)
Dynamic View Synthesis from Small Camera Motion Videos
por: Sun, Huiqiang, et al.
Publicado: (2025)
por: Sun, Huiqiang, et al.
Publicado: (2025)
Splatter a Video: Video Gaussian Representation for Versatile Processing
por: Sun, Yang-Tian, et al.
Publicado: (2024)
por: Sun, Yang-Tian, et al.
Publicado: (2024)
TrackCraft3R: Repurposing Video Diffusion Transformers for Dense 3D Tracking
por: Nam, Jisu, et al.
Publicado: (2026)
por: Nam, Jisu, et al.
Publicado: (2026)
Mobius: A High Efficient Spatial-Temporal Parallel Training Paradigm for Text-to-Video Generation Task
por: Yang, Yiran, et al.
Publicado: (2024)
por: Yang, Yiran, et al.
Publicado: (2024)
Described Spatial-Temporal Video Detection
por: Ji, Wei, et al.
Publicado: (2024)
por: Ji, Wei, et al.
Publicado: (2024)
Adaptive Dense Evidence Refinement for Video Relational Reasoning for VRR-QA Challenge
por: Sun, Yuyang, et al.
Publicado: (2026)
por: Sun, Yuyang, et al.
Publicado: (2026)
Subjective Portrait Region Cropping in Landscape Videos with Temporal Annotation Smoothing
por: Lee, Cheng-Han, et al.
Publicado: (2026)
por: Lee, Cheng-Han, et al.
Publicado: (2026)
Deblur-Avatar: Animatable Avatars from Motion-Blurred Monocular Videos
por: Luo, Xianrui, et al.
Publicado: (2025)
por: Luo, Xianrui, et al.
Publicado: (2025)
Ejemplares similares
-
Efficient One-stage Video Object Detection by Exploiting Temporal Consistency
por: Sun, Guanxiong, et al.
Publicado: (2024) -
MAMBA: Multi-level Aggregation via Memory Bank for Video Object Detection
por: Sun, Guanxiong, et al.
Publicado: (2024) -
Spatio-temporal Prompting Network for Robust Video Feature Extraction
por: Sun, Guanxiong, et al.
Publicado: (2024) -
Sparse-Dense Side-Tuner for efficient Video Temporal Grounding
por: Pujol-Perich, David, et al.
Publicado: (2025) -
FTDMamba: Frequency-Assisted Temporal Dilation Mamba for Unmanned Aerial Vehicle Video Anomaly Detection
por: Liu, Cheng-Zhuang, et al.
Publicado: (2026)