Rethinking CLIP-based Video Learners in Cross-Domain Open-Vocabulary Action Recognition
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Lin, Kun-Yu, Ding, Henghui, Zhou, Jiaming, Tang, Yu-Ming, Peng, Yi-Xing, Zhao, Zhilin, Loy, Chen Change, Zheng, Wei-Shi |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Human-Centric Transformer for Domain Adaptive Action Recognition
par: Lin, Kun-Yu, et autres
Publié: (2024)
par: Lin, Kun-Yu, et autres
Publié: (2024)
FROSTER: Frozen CLIP Is A Strong Teacher for Open-Vocabulary Action Recognition
par: Huang, Xiaohu, et autres
Publié: (2024)
par: Huang, Xiaohu, et autres
Publié: (2024)
MeViS: A Multi-Modal Dataset for Referring Motion Expression Video Segmentation
par: Ding, Henghui, et autres
Publié: (2025)
par: Ding, Henghui, et autres
Publié: (2025)
ActionHub: A Large-scale Action Video Description Dataset for Zero-shot Action Recognition
par: Zhou, Jiaming, et autres
Publié: (2024)
par: Zhou, Jiaming, et autres
Publié: (2024)
DENOISER: Rethinking the Robustness for Open-Vocabulary Action Recognition
par: Cheng, Haozhe, et autres
Publié: (2024)
par: Cheng, Haozhe, et autres
Publié: (2024)
Exploring Open-Vocabulary Object Recognition in Images using CLIP
par: Chen, Wei Yu, et autres
Publié: (2026)
par: Chen, Wei Yu, et autres
Publié: (2026)
Open-Vocabulary SAM: Segment and Recognize Twenty-thousand Classes Interactively
par: Yuan, Haobo, et autres
Publié: (2024)
par: Yuan, Haobo, et autres
Publié: (2024)
Video-STAR: Reinforcing Open-Vocabulary Action Recognition with Tools
par: Yuan, Zhenlong, et autres
Publié: (2025)
par: Yuan, Zhenlong, et autres
Publié: (2025)
DST-Det: Simple Dynamic Self-Training for Open-Vocabulary Object Detection
par: Xu, Shilin, et autres
Publié: (2023)
par: Xu, Shilin, et autres
Publié: (2023)
ActionArt: Advancing Multimodal Large Models for Fine-Grained Human-Centric Video Understanding
par: Peng, Yi-Xing, et autres
Publié: (2025)
par: Peng, Yi-Xing, et autres
Publié: (2025)
CLIPSelf: Vision Transformer Distills Itself for Open-Vocabulary Dense Prediction
par: Wu, Size, et autres
Publié: (2023)
par: Wu, Size, et autres
Publié: (2023)
Rethinking Few-shot Class-incremental Learning: Learning from Yourself
par: Tang, Yu-Ming, et autres
Publié: (2024)
par: Tang, Yu-Ming, et autres
Publié: (2024)
CLIP-VIS: Adapting CLIP for Open-Vocabulary Video Instance Segmentation
par: Zhu, Wenqi, et autres
Publié: (2024)
par: Zhu, Wenqi, et autres
Publié: (2024)
A Training-Free Framework for Open-Vocabulary Image Segmentation and Recognition with EfficientNet and CLIP
par: Dai, Ying, et autres
Publié: (2025)
par: Dai, Ying, et autres
Publié: (2025)
Generalizable Implicit Motion Modeling for Video Frame Interpolation
par: Guo, Zujin, et autres
Publié: (2024)
par: Guo, Zujin, et autres
Publié: (2024)
Learning to Generalize without Bias for Open-Vocabulary Action Recognition
par: Yu, Yating, et autres
Publié: (2025)
par: Yu, Yating, et autres
Publié: (2025)
Kalman-Inspired Feature Propagation for Video Face Super-Resolution
par: Feng, Ruicheng, et autres
Publié: (2024)
par: Feng, Ruicheng, et autres
Publié: (2024)
Rethinking Domain Adaptation and Generalization in the Era of CLIP
par: Feng, Ruoyu, et autres
Publié: (2024)
par: Feng, Ruoyu, et autres
Publié: (2024)
Rethinking the Global Knowledge of CLIP in Training-Free Open-Vocabulary Semantic Segmentation
par: Wang, Jingyun, et autres
Publié: (2025)
par: Wang, Jingyun, et autres
Publié: (2025)
CorrCLIP: Reconstructing Patch Correlations in CLIP for Open-Vocabulary Semantic Segmentation
par: Zhang, Dengke, et autres
Publié: (2024)
par: Zhang, Dengke, et autres
Publié: (2024)
DifFace: Blind Face Restoration with Diffused Error Contraction
par: Yue, Zongsheng, et autres
Publié: (2022)
par: Yue, Zongsheng, et autres
Publié: (2022)
Denoising as Adaptation: Noise-Space Domain Adaptation for Image Restoration
par: Liao, Kang, et autres
Publié: (2024)
par: Liao, Kang, et autres
Publié: (2024)
FRESCO: Spatial-Temporal Correspondence for Zero-Shot Video Translation
par: Yang, Shuai, et autres
Publié: (2024)
par: Yang, Shuai, et autres
Publié: (2024)
Explore In-Context Segmentation via Latent Diffusion Models
par: Wang, Chaoyang, et autres
Publié: (2024)
par: Wang, Chaoyang, et autres
Publié: (2024)
Duolando: Follower GPT with Off-Policy Reinforcement Learning for Dance Accompaniment
par: Siyao, Li, et autres
Publié: (2024)
par: Siyao, Li, et autres
Publié: (2024)
EZ-CLIP: Efficient Zeroshot Video Action Recognition
par: Ahmad, Shahzad, et autres
Publié: (2023)
par: Ahmad, Shahzad, et autres
Publié: (2023)
MosaicFusion: Diffusion Models as Data Augmenters for Large Vocabulary Instance Segmentation
par: Xie, Jiahao, et autres
Publié: (2023)
par: Xie, Jiahao, et autres
Publié: (2023)
Exploring the Limits of Vision-Language-Action Manipulations in Cross-task Generalization
par: Zhou, Jiaming, et autres
Publié: (2025)
par: Zhou, Jiaming, et autres
Publié: (2025)
Self-Calibrated CLIP for Training-Free Open-Vocabulary Segmentation
par: Bai, Sule, et autres
Publié: (2024)
par: Bai, Sule, et autres
Publié: (2024)
CoLeCLIP: Open-Domain Continual Learning via Joint Task Prompt and Vocabulary Learning
par: Li, Yukun, et autres
Publié: (2024)
par: Li, Yukun, et autres
Publié: (2024)
Towards Weakly Supervised End-to-end Learning for Long-video Action Recognition
par: Zhou, Jiaming, et autres
Publié: (2023)
par: Zhou, Jiaming, et autres
Publié: (2023)
Referring Atomic Video Action Recognition
par: Peng, Kunyu, et autres
Publié: (2024)
par: Peng, Kunyu, et autres
Publié: (2024)
Open-Vocabulary Calibration for Fine-tuned CLIP
par: Wang, Shuoyuan, et autres
Publié: (2024)
par: Wang, Shuoyuan, et autres
Publié: (2024)
ProxyCLIP: Proxy Attention Improves CLIP for Open-Vocabulary Segmentation
par: Lan, Mengcheng, et autres
Publié: (2024)
par: Lan, Mengcheng, et autres
Publié: (2024)
LA-Sign: Looped Transformers with Geometry-aware Alignment for Skeleton-based Sign Language Recognition
par: Pu, Muxin, et autres
Publié: (2026)
par: Pu, Muxin, et autres
Publié: (2026)
Enhanced Generative Structure Prior for Chinese Text Image Super-resolution
par: Li, Xiaoming, et autres
Publié: (2025)
par: Li, Xiaoming, et autres
Publié: (2025)
Learning 3D Garment Animation from Trajectories of A Piece of Cloth
par: Shao, Yidi, et autres
Publié: (2025)
par: Shao, Yidi, et autres
Publié: (2025)
MVIP-NeRF: Multi-view 3D Inpainting on NeRF Scenes via Diffusion Prior
par: Chen, Honghua, et autres
Publié: (2024)
par: Chen, Honghua, et autres
Publié: (2024)
Efficient Diffusion Model for Image Restoration by Residual Shifting
par: Yue, Zongsheng, et autres
Publié: (2024)
par: Yue, Zongsheng, et autres
Publié: (2024)
AITTI: Learning Adaptive Inclusive Token for Text-to-Image Generation
par: Hou, Xinyu, et autres
Publié: (2024)
par: Hou, Xinyu, et autres
Publié: (2024)
Documents similaires
-
Human-Centric Transformer for Domain Adaptive Action Recognition
par: Lin, Kun-Yu, et autres
Publié: (2024) -
FROSTER: Frozen CLIP Is A Strong Teacher for Open-Vocabulary Action Recognition
par: Huang, Xiaohu, et autres
Publié: (2024) -
MeViS: A Multi-Modal Dataset for Referring Motion Expression Video Segmentation
par: Ding, Henghui, et autres
Publié: (2025) -
ActionHub: A Large-scale Action Video Description Dataset for Zero-shot Action Recognition
par: Zhou, Jiaming, et autres
Publié: (2024) -
DENOISER: Rethinking the Robustness for Open-Vocabulary Action Recognition
par: Cheng, Haozhe, et autres
Publié: (2024)