Buchumschlag

DTLLM-VLT: Diverse Text Generation for Visual Language Tracking Based on LLM

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Xuchen, Feng, Xiaokun, Hu, Shiyu, Wu, Meiqi, Zhang, Dailing, Zhang, Jing, Huang, Kaiqi
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

DTVLT: A Multi-modal Diverse Text Benchmark for Visual Language Tracking Based on LLM
von: Li, Xuchen, et al.
Veröffentlicht: (2024)

Visual Language Tracking with Multi-modal Interaction: A Robust Benchmark
von: Li, Xuchen, et al.
Veröffentlicht: (2024)

How Texts Help? A Fine-grained Evaluation to Reveal the Role of Language in Vision-Language Tracking
von: Li, Xuchen, et al.
Veröffentlicht: (2024)

VS-LLM: Visual-Semantic Depression Assessment based on LLM for Drawing Projection Test
von: Wu, Meiqi, et al.
Veröffentlicht: (2025)

Select Less, Reason More: Prioritizing Evidence Purity for Video Reasoning
von: Li, Xuchen, et al.
Veröffentlicht: (2025)

CausalStep: A Benchmark for Explicit Stepwise Causal Reasoning in Videos
von: Li, Xuchen, et al.
Veröffentlicht: (2025)

Latent Temporal Discrepancy as Motion Prior: A Loss-Weighting Strategy for Dynamic Fidelity in T2V
von: Wu, Meiqi, et al.
Veröffentlicht: (2026)

DARTer: Dynamic Adaptive Representation Tracker for Nighttime UAV Tracking
von: Li, Xuzhao, et al.
Veröffentlicht: (2025)

ImagerySearch: Adaptive Test-Time Search for Video Generation Beyond Semantic Dependency Constraints
von: Wu, Meiqi, et al.
Veröffentlicht: (2025)

Finger in Camera Speaks Everything: Unconstrained Air-Writing for Real-World
von: Wu, Meiqi, et al.
Veröffentlicht: (2024)

Unveiling Chain of Step Reasoning for Vision-Language Models with Fine-grained Rewards
von: Chen, Honghao, et al.
Veröffentlicht: (2025)

Revealing the Dark Secrets of Extremely Large Kernel ConvNets on Robustness
von: Chen, Honghao, et al.
Veröffentlicht: (2024)

MATrack: Efficient Multiscale Adaptive Tracker for Real-Time Nighttime UAV Operations
von: Li, Xuzhao, et al.
Veröffentlicht: (2025)

Beyond Accuracy: Evaluating Grounded Visual Evidence in Thinking with Images
von: Li, Xuchen, et al.
Veröffentlicht: (2026)

Enhancing Vision-Language Tracking by Effectively Converting Textual Cues into Visual Cues
von: Feng, X., et al.
Veröffentlicht: (2024)

VisualPrompter: Semantic-Aware Prompt Optimization with Visual Feedback for Text-to-Image Synthesis
von: Wu, Shiyu, et al.
Veröffentlicht: (2025)

Omni-Effects: Unified and Spatially-Controllable Visual Effects Generation
von: Mao, Fangyuan, et al.
Veröffentlicht: (2025)

MambaVLT: Time-Evolving Multimodal State Space Model for Vision-Language Tracking
von: Liu, Xinqi, et al.
Veröffentlicht: (2024)

FIOVA: A Multi-Annotator Benchmark for Human-Aligned Video Captioning
von: Hu, Shiyu, et al.
Veröffentlicht: (2024)

Diff-MM: Exploring Pre-trained Text-to-Image Generation Model for Unified Multi-modal Object Tracking
von: Xuan, Shiyu, et al.
Veröffentlicht: (2025)

VMBench: A Benchmark for Perception-Aligned Video Motion Generation
von: Ling, Xinran, et al.
Veröffentlicht: (2025)

Omni-WorldBench: Towards a Comprehensive Interaction-Centric Evaluation for World Models
von: Wu, Meiqi, et al.
Veröffentlicht: (2026)

Text2Interact: High-Fidelity and Diverse Text-to-Two-Person Interaction Generation
von: Wu, Qingxuan, et al.
Veröffentlicht: (2025)

UNIV: Unified Foundation Model for Infrared and Visible Modalities
von: Mao, Fangyuan, et al.
Veröffentlicht: (2025)

Harmonizing Visual Text Comprehension and Generation
von: Zhao, Zhen, et al.
Veröffentlicht: (2024)

ATCTrack: Aligning Target-Context Cues with Dynamic Target States for Robust Vision-Language Tracking
von: Feng, X., et al.
Veröffentlicht: (2025)

Tracking by Detection and Query: An Efficient End-to-End Framework for Multi-Object Tracking
von: Jia, Shukun, et al.
Veröffentlicht: (2024)

LocLLM: Exploiting Generalizable Human Keypoint Localization via Large Language Model
von: Wang, Dongkai, et al.
Veröffentlicht: (2024)

Extending One-Step Image Generation from Class Labels to Text via Discriminative Text Representation
von: Zhao, Chenxi, et al.
Veröffentlicht: (2026)

Few-Shot Learner Generalizes Across AI-Generated Image Detection
von: Wu, Shiyu, et al.
Veröffentlicht: (2025)

Skywork UniPic: Unified Autoregressive Modeling for Visual Understanding and Generation
von: Wang, Peiyu, et al.
Veröffentlicht: (2025)

Stochastic Self-Guidance for Training-Free Enhancement of Diffusion Models
von: Chen, Chubin, et al.
Veröffentlicht: (2025)

Look Less, Reason More: Rollout-Guided Adaptive Pixel-Space Reasoning
von: Li, Xuchen, et al.
Veröffentlicht: (2025)

LLM-Enabled Style and Content Regularization for Personalized Text-to-Image Generation
von: Yu, Anran, et al.
Veröffentlicht: (2025)

GLAD: Generative Language-Assisted Visual Tracking for Low-Semantic Templates
von: Luo, Xingyu, et al.
Veröffentlicht: (2026)

Leveraging Text-to-Image Diffusion Models for Unsupervised Visual Object Tracking
von: Zhang, Zhengbo, et al.
Veröffentlicht: (2026)

VPTracker: Global Vision-Language Tracking via Visual Prompt
von: Wang, Jingchao, et al.
Veröffentlicht: (2025)

Enhancing Remote Sensing Vision-Language Models Through MLLM and LLM-Based High-Quality Image-Text Dataset Generation
von: He, Yiguo, et al.
Veröffentlicht: (2025)

Unifying Visual and Vision-Language Tracking via Contrastive Learning
von: Ma, Yinchao, et al.
Veröffentlicht: (2024)

VL-UniTrack: A Unified Framework with Visual-Language Prompts for UAV-Ground Visual Tracking
von: Xu, Boyue, et al.
Veröffentlicht: (2026)