:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Deng, Zhichao, Li, Xiangtai, Li, Xia, Tong, Yunhai, Zhao, Shen, Liu, Mengyuan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Robotics
Online-Zugang:	https://arxiv.org/abs/2404.11605
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Phys4D: Fine-Grained Physics-Consistent 4D Modeling from Video Diffusion
von: Lu, Haoran, et al.
Veröffentlicht: (2026)

Unified 4D World Action Modeling from Video Priors with Asynchronous Denoising
von: Guo, Jun, et al.
Veröffentlicht: (2026)

Recognizing Actions from Robotic View for Natural Human-Robot Interaction
von: Wang, Ziyi, et al.
Veröffentlicht: (2025)

Pri4R: Learning World Dynamics for Vision-Language-Action Models with Privileged 4D Representation
von: Kim, Jisoo, et al.
Veröffentlicht: (2026)

VitaTouch: Property-Aware Vision-Tactile-Language Model for Robotic Quality Inspection in Manufacturing
von: Zong, Junyi, et al.
Veröffentlicht: (2026)

Geometry-aware 4D Video Generation for Robot Manipulation
von: Liu, Zeyi, et al.
Veröffentlicht: (2025)

Grounding Foundational Vision Models with 3D Human Poses for Robust Action Recognition
von: Babey, Nicholas, et al.
Veröffentlicht: (2025)

Unifying 2D and 3D Vision-Language Understanding
von: Jain, Ayush, et al.
Veröffentlicht: (2025)

IKEA Manuals at Work: 4D Grounding of Assembly Instructions on Internet Videos
von: Liu, Yunong, et al.
Veröffentlicht: (2024)

Interactive Spatiotemporal Token Attention Network for Skeleton-based General Interactive Action Recognition
von: Wen, Yuhang, et al.
Veröffentlicht: (2023)

AREA3D: Active Reconstruction Agent with Unified Feed-Forward 3D Perception and Vision-Language Guidance
von: Xu, Tianling, et al.
Veröffentlicht: (2025)

ManipDreamer3D : Synthesizing Plausible Robotic Manipulation Video with Occupancy-aware 3D Trajectory
von: Li, Ying, et al.
Veröffentlicht: (2025)

Grounding 3D Object Affordance with Language Instructions, Visual Observations and Interactions
von: Zhu, He, et al.
Veröffentlicht: (2025)

LoD-Loc v3: Generalized Aerial Localization in Dense Cities using Instance Silhouette Alignment
von: Peng, Shuaibang, et al.
Veröffentlicht: (2026)

AgriVLN: Vision-and-Language Navigation for Agricultural Robots
von: Zhao, Xiaobei, et al.
Veröffentlicht: (2025)

LoopVLA: Learning Sufficiency in Recurrent Refinement for Vision-Language-Action Models
von: Shen, Boyang, et al.
Veröffentlicht: (2026)

ModelNet-O: A Large-Scale Synthetic Dataset for Occlusion-Aware Point Cloud Classification
von: Fang, Zhongbin, et al.
Veröffentlicht: (2024)

Genie 4D: Semantic-Prior-Guided 4D Dynamic Scene Reconstruction
von: Yang, Yiru, et al.
Veröffentlicht: (2026)

RDD4D: 4D Attention-Guided Road Damage Detection And Classification
von: Alkalbani, Asma, et al.
Veröffentlicht: (2025)

SE-VLN: A Self-Evolving Vision-Language Navigation Framework Based on Multimodal Large Language Models
von: Dong, Xiangyu, et al.
Veröffentlicht: (2025)

VG3S: Visual Geometry Grounded Gaussian Splatting for Semantic Occupancy Prediction
von: Yan, Xiaoyang, et al.
Veröffentlicht: (2026)

OG-VLA: Orthographic Image Generation for 3D-Aware Vision-Language Action Model
von: Singh, Ishika, et al.
Veröffentlicht: (2025)

R4: Retrieval-Augmented Reasoning for Vision-Language Models in 4D Spatio-Temporal Space
von: Sohn, Tin Stribor, et al.
Veröffentlicht: (2025)

Less is More: Lean yet Powerful Vision-Language Model for Autonomous Driving
von: Yang, Sheng, et al.
Veröffentlicht: (2025)

Physically Grounded Vision-Language Models for Robotic Manipulation
von: Gao, Jensen, et al.
Veröffentlicht: (2023)

EgoVLA: Learning Vision-Language-Action Models from Egocentric Human Videos
von: Yang, Ruihan, et al.
Veröffentlicht: (2025)

Robotic Environmental State Recognition with Pre-Trained Vision-Language Models and Black-Box Optimization
von: Kawaharazuka, Kento, et al.
Veröffentlicht: (2024)

U4D: Uncertainty-Aware 4D World Modeling from LiDAR Sequences
von: Xu, Xiang, et al.
Veröffentlicht: (2025)

AerialVLA: A Vision-Language-Action Model for UAV Navigation via Minimalist End-to-End Control
von: Xu, Peng, et al.
Veröffentlicht: (2026)

On Robustness of Vision-Language-Action Model against Multi-Modal Perturbations
von: Guo, Jianing, et al.
Veröffentlicht: (2025)

3D and 4D World Modeling: A Survey
von: Kong, Lingdong, et al.
Veröffentlicht: (2025)

3D-VLA: A 3D Vision-Language-Action Generative World Model
von: Zhen, Haoyu, et al.
Veröffentlicht: (2024)

GST-VLA: Structured Gaussian Spatial Tokens for 3D Depth-Aware Vision-Language-Action Models
von: Sarowar, Md Selim, et al.
Veröffentlicht: (2026)

UrbanVLA: A Vision-Language-Action Model for Urban Micromobility
von: Li, Anqi, et al.
Veröffentlicht: (2025)

4DRaL: Bridging 4D Radar with LiDAR for Place Recognition using Knowledge Distillation
von: Huang, Ningyuan, et al.
Veröffentlicht: (2026)

Bridging the 2D-3D Gap: A Hierarchical Semantic-Geometric Map for Vision Language Navigation
von: Li, Kailing, et al.
Veröffentlicht: (2026)

Text-Scene: A Scene-to-Language Parsing Framework for 3D Scene Understanding
von: Li, Haoyuan, et al.
Veröffentlicht: (2025)

4D-CAAL: 4D Radar-Camera Calibration and Auto-Labeling for Autonomous Driving
von: Yao, Shanliang, et al.
Veröffentlicht: (2026)

RoboSpatial: Teaching Spatial Understanding to 2D and 3D Vision-Language Models for Robotics
von: Song, Chan Hee, et al.
Veröffentlicht: (2024)

DriveCritic: Towards Context-Aware, Human-Aligned Evaluation for Autonomous Driving with Vision-Language Models
von: Song, Jingyu, et al.
Veröffentlicht: (2025)