Buchumschlag

DOCTR: Disentangled Object-Centric Transformer for Point Scene Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Xiaoxuan, Wang, Hao, Li, Weiming, Wang, Qiang, Cho, Soonyong, Sung, Younghun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning Disentangled Representation in Object-Centric Models for Visual Dynamics Prediction via Transformers
von: Gandhi, Sanket, et al.
Veröffentlicht: (2024)

ObjectRelator: Enabling Cross-View Object Relation Understanding Across Ego-Centric and Exo-Centric Perspectives
von: Fu, Yuqian, et al.
Veröffentlicht: (2024)

Explicitly Disentangled Representations in Object-Centric Learning
von: Majellaro, Riccardo, et al.
Veröffentlicht: (2024)

DOR3D-Net: Dense Ordinal Regression Network for 3D Hand Pose Estimation
von: Mao, Yamin, et al.
Veröffentlicht: (2024)

ReXSonoVQA: A Video QA Benchmark for Procedure-Centric Ultrasound Understanding
von: Wang, Xucheng, et al.
Veröffentlicht: (2026)

TGBFormer: Transformer-GraphFormer Blender Network for Video Object Detection
von: Qi, Qiang, et al.
Veröffentlicht: (2025)

Short-term Object Interaction Anticipation with Disentangled Object Detection @ Ego4D Short Term Object Interaction Anticipation Challenge
von: Cho, Hyunjin, et al.
Veröffentlicht: (2024)

Towards Flexible 3D Perception: Object-Centric Occupancy Completion Augments 3D Object Detection
von: Zheng, Chaoda, et al.
Veröffentlicht: (2024)

Object-Centric Vision Token Pruning for Vision Language Models
von: Li, Guangyuan, et al.
Veröffentlicht: (2025)

TripleFDS: Triple Feature Disentanglement and Synthesis for Scene Text Editing
von: Bao, Yuchen, et al.
Veröffentlicht: (2025)

ObjectGS: Object-aware Scene Reconstruction and Scene Understanding via Gaussian Splatting
von: Zhu, Ruijie, et al.
Veröffentlicht: (2025)

OpenGS-SLAM: Open-Set Dense Semantic SLAM with 3D Gaussian Splatting for Object-Level Scene Understanding
von: Yang, Dianyi, et al.
Veröffentlicht: (2025)

RegionPLC: Regional Point-Language Contrastive Learning for Open-World 3D Scene Understanding
von: Yang, Jihan, et al.
Veröffentlicht: (2023)

InstrAct: Towards Action-Centric Understanding in Instructional Videos
von: Yang, Zhuoyi, et al.
Veröffentlicht: (2026)

UNO: Unifying One-stage Video Scene Graph Generation via Object-Centric Visual Representation Learning
von: Le, Huy, et al.
Veröffentlicht: (2025)

Revisiting Salient Object Detection from an Observer-Centric Perspective
von: Zhang, Fuxi, et al.
Veröffentlicht: (2026)

Allocentric Perceiver: Disentangling Allocentric Reasoning from Egocentric Visual Priors via Frame Instantiation
von: Wang, Hengyi, et al.
Veröffentlicht: (2026)

Local Temporal Feature Enhanced Transformer with ROI-rank Based Masking for Diagnosis of ADHD
von: Kim, Byunggun, et al.
Veröffentlicht: (2025)

PinpointQA: A Dataset and Benchmark for Small Object-Centric Spatial Understanding in Indoor Videos
von: Zhou, Zhiyu, et al.
Veröffentlicht: (2026)

BeyondScene: Higher-Resolution Human-Centric Scene Generation With Pretrained Diffusion
von: Kim, Gwanghyun, et al.
Veröffentlicht: (2024)

Reasoning-Enhanced Object-Centric Learning for Videos
von: Li, Jian, et al.
Veröffentlicht: (2024)

Dynamic Object Queries for Transformer-based Incremental Object Detection
von: Zhang, Jichuan, et al.
Veröffentlicht: (2024)

Understanding Dynamic Scenes in Ego Centric 4D Point Clouds
von: Huang, Junsheng, et al.
Veröffentlicht: (2025)

City-VLM: Towards Multidomain Perception Scene Understanding via Multimodal Incomplete Learning
von: Sun, Penglei, et al.
Veröffentlicht: (2025)

Object-Centric Latent Action Learning
von: Klepach, Albina, et al.
Veröffentlicht: (2025)

milliFlow: Scene Flow Estimation on mmWave Radar Point Cloud for Human Motion Sensing
von: Ding, Fangqiang, et al.
Veröffentlicht: (2023)

Ref-AVS: Refer and Segment Objects in Audio-Visual Scenes
von: Wang, Yaoting, et al.
Veröffentlicht: (2024)

CrashSight: A Phase-Aware, Infrastructure-Centric Video Benchmark for Traffic Crash Scene Understanding and Reasoning
von: Gan, Rui, et al.
Veröffentlicht: (2026)

SceneRAG: Scene-level Retrieval-Augmented Generation for Video Understanding
von: Zeng, Nianbo, et al.
Veröffentlicht: (2025)

HumanVideo-MME: Benchmarking MLLMs for Human-Centric Video Understanding
von: Cai, Yuxuan, et al.
Veröffentlicht: (2025)

Unsupervised Anomaly Detection in Brain MRI via Disentangled Anatomy Learning
von: Yang, Tao, et al.
Veröffentlicht: (2025)

Hierarchical Object-Centric Learning with Capsule Networks
von: Renzulli, Riccardo
Veröffentlicht: (2024)

Mining Instance-Centric Vision-Language Contexts for Human-Object Interaction Detection
von: Seo, Soo Won, et al.
Veröffentlicht: (2026)

HAECcity: Open-Vocabulary Scene Understanding of City-Scale Point Clouds with Superpoint Graph Clustering
von: Rusnak, Alexander, et al.
Veröffentlicht: (2025)

RPMArt: Towards Robust Perception and Manipulation for Articulated Objects
von: Wang, Junbo, et al.
Veröffentlicht: (2024)

Towards Unified Surgical Scene Understanding:Bridging Reasoning and Grounding via MLLMs
von: Huang, Jincai, et al.
Veröffentlicht: (2026)

Dynamic Scene Understanding through Object-Centric Voxelization and Neural Rendering
von: Zhao, Yanpeng, et al.
Veröffentlicht: (2024)

Lifting Unlabeled Internet-level Data for 3D Scene Understanding
von: Chen, Yixin, et al.
Veröffentlicht: (2026)

Complementary Pseudo Multimodal Feature for Point Cloud Anomaly Detection
von: Cao, Yunkang, et al.
Veröffentlicht: (2023)

Object-Centric 3D Gaussian Splatting for Strawberry Plant Reconstruction and Phenotyping
von: Li, Jiajia, et al.
Veröffentlicht: (2025)