Buchumschlag

VideoDistill: Language-aware Vision Distillation for Video Question Answering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zou, Bo, Yang, Chao, Qiao, Yu, Quan, Chengbin, Zhao, Youjian
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LLaMA-Excitor: General Instruction Tuning via Indirect Feature Interaction
von: Zou, Bo, et al.
Veröffentlicht: (2024)

Ranking Distillation for Open-Ended Video Question Answering with Insufficient Labels
von: Liang, Tianming, et al.
Veröffentlicht: (2024)

Distilling Vision-Language Models on Millions of Videos
von: Zhao, Yue, et al.
Veröffentlicht: (2024)

ViLA: Efficient Video-Language Alignment for Video Question Answering
von: Wang, Xijun, et al.
Veröffentlicht: (2023)

Dataset Distillation via Vision-Language Category Prototype
von: Zou, Yawen, et al.
Veröffentlicht: (2025)

MovieChat+: Question-aware Sparse Memory for Long Video Question Answering
von: Song, Enxin, et al.
Veröffentlicht: (2024)

Distill Video Datasets into Images
von: Zhao, Zhenghao, et al.
Veröffentlicht: (2025)

EVLF: Early Vision-Language Fusion for Generative Dataset Distillation
von: Cai, Wenqi, et al.
Veröffentlicht: (2026)

Overcoming Language Priors for Visual Question Answering Based on Knowledge Distillation
von: Peng, Daowan, et al.
Veröffentlicht: (2025)

HORNet: Task-Guided Frame Selection for Video Question Answering with Vision-Language Models
von: Bai, Xiangyu, et al.
Veröffentlicht: (2026)

Agentic Keyframe Search for Video Question Answering
von: Fan, Sunqi, et al.
Veröffentlicht: (2025)

AutoEval-Video: An Automatic Benchmark for Assessing Large Vision Language Models in Open-Ended Video Question Answering
von: Chen, Xiuyuan, et al.
Veröffentlicht: (2023)

From Hindsight to Foresight: Self-Encouraged Hindsight Distillation for Knowledge-based Visual Question Answering
von: Zhao, Yu, et al.
Veröffentlicht: (2025)

CPFD: Confidence-aware Privileged Feature Distillation for Short Video Classification
von: Shi, Jinghao, et al.
Veröffentlicht: (2024)

SeeClear: Semantic Distillation Enhances Pixel Condensation for Video Super-Resolution
von: Tang, Qi, et al.
Veröffentlicht: (2024)

Teeth-SEG: An Efficient Instance Segmentation Framework for Orthodontic Treatment based on Anthropic Prior Knowledge
von: Zou, Bo, et al.
Veröffentlicht: (2024)

Streaming Video Question-Answering with In-context Video KV-Cache Retrieval
von: Di, Shangzhe, et al.
Veröffentlicht: (2025)

VDOT: Efficient Unified Video Creation via Optimal Transport Distillation
von: Wang, Yutong, et al.
Veröffentlicht: (2025)

Latent Video Dataset Distillation
von: Li, Ning, et al.
Veröffentlicht: (2025)

Video Set Distillation: Information Diversification and Temporal Densification
von: Zhao, Yinjie, et al.
Veröffentlicht: (2024)

PartDistill: 3D Shape Part Segmentation by Vision-Language Model Distillation
von: Umam, Ardian, et al.
Veröffentlicht: (2023)

Training-Free Motion Customization for Distilled Video Generators with Adaptive Test-Time Distillation
von: Rong, Jintao, et al.
Veröffentlicht: (2025)

Grounded Question-Answering in Long Egocentric Videos
von: Di, Shangzhe, et al.
Veröffentlicht: (2023)

REVEAL: Relation-based Video Representation Learning for Video-Question-Answering
von: Chaybouti, Sofian, et al.
Veröffentlicht: (2025)

Enhancing Continual Learning in Visual Question Answering with Modality-Aware Feature Distillation
von: Nikandrou, Malvina, et al.
Veröffentlicht: (2024)

VidCtx: Context-aware Video Question Answering with Image Models
von: Goulas, Andreas, et al.
Veröffentlicht: (2024)

SIMPLOT: Enhancing Chart Question Answering by Distilling Essentials
von: Kim, Wonjoong, et al.
Veröffentlicht: (2024)

Bridging Vision Language Models and Symbolic Grounding for Video Question Answering
von: Ma, Haodi, et al.
Veröffentlicht: (2025)

ChineseVideoBench: Benchmarking Multi-modal Large Models for Chinese Video Question Answering
von: Nie, Yuxiang, et al.
Veröffentlicht: (2025)

Prompting Video-Language Foundation Models with Domain-specific Fine-grained Heuristics for Video Question Answering
von: Yu, Ting, et al.
Veröffentlicht: (2024)

VideoForest: Person-Anchored Hierarchical Reasoning for Cross-Video Question Answering
von: Meng, Yiran, et al.
Veröffentlicht: (2025)

VRU-Accident: A Vision-Language Benchmark for Video Question Answering and Dense Captioning for Accident Scene Understanding
von: Kim, Younggun, et al.
Veröffentlicht: (2025)

A.I.R.: Enabling Adaptive, Iterative, and Reasoning-based Frame Selection For Video Question Answering
von: Zou, Yuanhao, et al.
Veröffentlicht: (2025)

Vision-Language Dataset Distillation
von: Wu, Xindi, et al.
Veröffentlicht: (2023)

LvBench: A Benchmark for Long-form Video Understanding with Versatile Multi-modal Question Answering
von: Zhang, Hongjie, et al.
Veröffentlicht: (2023)

Neuro Symbolic Knowledge Reasoning for Procedural Video Question Answering
von: Fernando, Basura, et al.
Veröffentlicht: (2025)

Question-Instructed Visual Descriptions for Zero-Shot Video Question Answering
von: Romero, David, et al.
Veröffentlicht: (2024)

Streaming Autoregressive Video Generation via Diagonal Distillation
von: Liu, Jinxiu, et al.
Veröffentlicht: (2026)

Narrative Aligned Long Form Video Question Answering
von: Jain, Rahul, et al.
Veröffentlicht: (2026)

Tool-Augmented Spatiotemporal Reasoning for Streamlining Video Question Answering Task
von: Fan, Sunqi, et al.
Veröffentlicht: (2025)