Buchumschlag

Predicting Long-horizon Futures by Conditioning on Geometry and Time

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khurana, Tarasha, Ramanan, Deva
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

Reconstruct, Inpaint, Test-Time Finetune: Dynamic Novel-view Synthesis from Monocular Videos
von: Chen, Kaihua, et al.
Veröffentlicht: (2025)

Using Diffusion Priors for Video Amodal Segmentation
von: Chen, Kaihua, et al.
Veröffentlicht: (2024)

MonoFusion: Sparse-View 4D Reconstruction via Monocular Fusion
von: Wang, Zihan, et al.
Veröffentlicht: (2025)

TAO-Amodal: A Benchmark for Tracking Any Object Amodally
von: Hsieh, Cheng-Yen, et al.
Veröffentlicht: (2023)

Shelf-Supervised Cross-Modal Pre-Training for 3D Object Detection
von: Khurana, Mehar, et al.
Veröffentlicht: (2024)

RF-DETR: Neural Architecture Search for Real-Time Detection Transformers
von: Robinson, Isaac, et al.
Veröffentlicht: (2025)

RefAV: Towards Planning-Centric Scenario Mining
von: Davidson, Cainan, et al.
Veröffentlicht: (2025)

SMORE: Simultaneous Map and Object REconstruction
von: Chodosh, Nathaniel, et al.
Veröffentlicht: (2024)

Revisiting Few-Shot Object Detection with Vision-Language Models
von: Madan, Anish, et al.
Veröffentlicht: (2023)

Long-Tailed 3D Detection via Multi-Modal Fusion
von: Ma, Yechi, et al.
Veröffentlicht: (2023)

DiffusionSfM: Predicting Structure and Motion via Ray Origin and Endpoint Diffusion
von: Zhao, Qitao, et al.
Veröffentlicht: (2025)

RaySt3R: Predicting Novel Depth Maps for Zero-Shot Object Completion
von: Duisterhof, Bardienus P., et al.
Veröffentlicht: (2025)

I Can't Believe It's Not Scene Flow!
von: Khatri, Ishan, et al.
Veröffentlicht: (2024)

DressRecon: Freeform 4D Human Reconstruction from Monocular Video
von: Tan, Jeff, et al.
Veröffentlicht: (2024)

PAI-Bench: A Comprehensive Benchmark For Physical AI
von: Zhou, Fengzhe, et al.
Veröffentlicht: (2025)

AerialMegaDepth: Learning Aerial-Ground Reconstruction and View Synthesis
von: Vuong, Khiem, et al.
Veröffentlicht: (2025)

Novel View Synthesis as Video Completion
von: Wu, Qi, et al.
Veröffentlicht: (2026)

DynOMo: Online Point Tracking by Dynamic Online Monocular Gaussian Reconstruction
von: Seidenschwarz, Jenny, et al.
Veröffentlicht: (2024)

Soft Augmentation for Image Classification
von: Liu, Yang, et al.
Veröffentlicht: (2022)

Generating Physically Stable and Buildable Brick Structures from Text
von: Pun, Ava, et al.
Veröffentlicht: (2025)

DetPO: In-Context Learning with Multi-Modal LLMs for Few-Shot Object Detection
von: Gare, Gautam Rajendrakumar, et al.
Veröffentlicht: (2026)

Depth-supervised NeRF: Fewer Views and Faster Training for Free
von: Deng, Kangle, et al.
Veröffentlicht: (2021)

Revisiting the Role of Language Priors in Vision-Language Models
von: Lin, Zhiqiu, et al.
Veröffentlicht: (2023)

UniFlow: Zero-Shot LiDAR Scene Flow for Autonomous Vehicles
von: Li, Siyi, et al.
Veröffentlicht: (2025)

Steerable Visual Representations
von: Ruthardt, Jona, et al.
Veröffentlicht: (2026)

Better Call SAL: Towards Learning to Segment Anything in Lidar
von: Ošep, Aljoša, et al.
Veröffentlicht: (2024)

Towards Foundational Models for Single-Chip Radar
von: Huang, Tianshu, et al.
Veröffentlicht: (2025)

Just Add Geometry: Gradient-Free Open-Vocabulary 3D Detection Without Human-in-the-Loop
von: Goel, Atharv, et al.
Veröffentlicht: (2025)

Lidar Panoptic Segmentation in an Open World
von: Chakravarthy, Anirudh S, et al.
Veröffentlicht: (2024)

WorldPrediction: A Benchmark for High-level World Modeling and Long-horizon Procedural Planning
von: Chen, Delong, et al.
Veröffentlicht: (2025)

LIVE: Long-horizon Interactive Video World Modeling
von: Huang, Junchao, et al.
Veröffentlicht: (2026)

RadarSim: Simulating Single-Chip Radar via Multimodal Neural Fields
von: Chen, Chuhan, et al.
Veröffentlicht: (2026)

Cameras as Rays: Pose Estimation via Ray Diffusion
von: Zhang, Jason Y., et al.
Veröffentlicht: (2024)

CRISP: Contact-Guided Real2Sim from Monocular Video with Planar Scene Primitives
von: Wang, Zihan, et al.
Veröffentlicht: (2025)

Geometry-aided Vision-based Localization of Future Mars Helicopters in Challenging Illumination Conditions
von: Pisanti, Dario, et al.
Veröffentlicht: (2025)

Roboflow100-VL: A Multi-Domain Object Detection Benchmark for Vision-Language Models
von: Robicheaux, Peter, et al.
Veröffentlicht: (2025)

Neural Eulerian Scene Flow Fields
von: Vedder, Kyle, et al.
Veröffentlicht: (2024)

InstructPart: Task-Oriented Part Segmentation with Instruction Reasoning
von: Wan, Zifu, et al.
Veröffentlicht: (2025)

Towards Long-horizon Agentic Multimodal Search
von: Du, Yifan, et al.
Veröffentlicht: (2026)

Probability-Flow Distillation: Exact Wasserstein Gradient Flow for High-Fidelity 3D Generation
von: Ramanan, Rohith, et al.
Veröffentlicht: (2026)