Buchumschlag

Encoding and Controlling Global Semantics for Long-form Video Question Answering

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nguyen, Thong Thanh, Hu, Zhiyuan, Wu, Xiaobao, Nguyen, Cong-Duy T, Ng, See-Kiong, Luu, Anh Tuan
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

Multi-Scale Contrastive Learning for Video Temporal Grounding
von: Nguyen, Thong Thanh, et al.
Veröffentlicht: (2024)

Motion-aware Contrastive Learning for Temporal Panoptic Scene Graph Generation
von: Nguyen, Thong Thanh, et al.
Veröffentlicht: (2024)

Temporal-Oriented Recipe for Transferring Large Vision-Language Model to Video Understanding
von: Nguyen, Thong, et al.
Veröffentlicht: (2025)

READ: Recurrent Adapter with Partial Video-Language Alignment for Parameter-Efficient Transfer Learning in Low-Resource Video-Language Modeling
von: Nguyen, Thong, et al.
Veröffentlicht: (2023)

DemaFormer: Damped Exponential Moving Average Transformer with Energy-Based Modeling for Temporal Language Grounding
von: Nguyen, Thong, et al.
Veröffentlicht: (2023)

MAMA: Meta-optimized Angular Margin Contrastive Framework for Video-Language Representation Learning
von: Nguyen, Thong, et al.
Veröffentlicht: (2024)

Vision-and-Language Pretraining
von: Nguyen, Thong, et al.
Veröffentlicht: (2022)

Topic Modeling as Multi-Objective Contrastive Optimization
von: Nguyen, Thong, et al.
Veröffentlicht: (2024)

CutPaste&Find: Efficient Multimodal Hallucination Detector with Visual-aid Knowledge Base
von: Nguyen, Cong-Duy, et al.
Veröffentlicht: (2025)

KDMCSE: Knowledge Distillation Multimodal Sentence Embeddings with Adaptive Angular margin Contrastive Learning
von: Nguyen, Cong-Duy, et al.
Veröffentlicht: (2024)

More Bias, Less Bias: BiasPrompting for Enhanced Multiple-Choice Question Answering
von: Vu, Duc Anh, et al.
Veröffentlicht: (2025)

Tracking the Truth: Object-Centric Spatio-Temporal Monitoring for Video Large Language Models
von: Cao, Tri, et al.
Veröffentlicht: (2026)

Enhancing Multimodal Entity Linking with Jaccard Distance-based Conditional Contrastive Learning and Contextual Visual Augmentation
von: Nguyen, Cong-Duy, et al.
Veröffentlicht: (2025)

A Survey on Neural Topic Models: Methods, Applications, and Challenges
von: Wu, Xiaobao, et al.
Veröffentlicht: (2024)

When In-Distribution Gains Fail: Evaluating Weak-to-Strong Reward Models under Preference Shift
von: Le, Khoi, et al.
Veröffentlicht: (2026)

Adaptive Contrastive Learning on Multimodal Transformer for Review Helpfulness Predictions
von: Nguyen, Thong, et al.
Veröffentlicht: (2022)

Video-Language Understanding: A Survey from Model Architecture, Model Training, and Data Perspectives
von: Nguyen, Thong, et al.
Veröffentlicht: (2024)

Enriching and Controlling Global Semantics for Text Summarization
von: Nguyen, Thong, et al.
Veröffentlicht: (2021)

Don't Read Everything: A Curvature-Conditioned Query for Linear Attention
von: Le, Dong, et al.
Veröffentlicht: (2026)

Learning Uncertainty from Sequential Internal Dispersion in Large Language Models
von: Srey, Ponhvoan, et al.
Veröffentlicht: (2026)

Video Understanding: Through A Temporal Lens
von: Nguyen, Thong Thanh
Veröffentlicht: (2026)

Gradient-Boosted Decision Tree for Listwise Context Model in Multimodal Review Helpfulness Prediction
von: Nguyen, Thong, et al.
Veröffentlicht: (2023)

On the Affinity, Rationality, and Diversity of Hierarchical Topic Modeling
von: Wu, Xiaobao, et al.
Veröffentlicht: (2024)

Curriculum Demonstration Selection for In-Context Learning
von: Vu, Duc Anh, et al.
Veröffentlicht: (2024)

Expand BERT Representation with Visual Information via Grounded Language Learning with Multimodal Partial Alignment
von: Nguyen, Cong-Duy, et al.
Veröffentlicht: (2023)

Modeling Dynamic Topics in Chain-Free Fashion by Evolution-Tracking Contrastive Learning and Unassociated Word Exclusion
von: Wu, Xiaobao, et al.
Veröffentlicht: (2024)

ViConsFormer: Constituting Meaningful Phrases of Scene Texts using Transformer-based Method in Vietnamese Text-based Visual Question Answering
von: Nguyen, Nghia Hieu, et al.
Veröffentlicht: (2024)

FASTopic: Pretrained Transformer is a Fast, Adaptive, Stable, and Transferable Topic Model
von: Wu, Xiaobao, et al.
Veröffentlicht: (2024)

InfoCTM: A Mutual Information Maximization Perspective of Cross-Lingual Topic Modeling
von: Wu, Xiaobao, et al.
Veröffentlicht: (2023)

Semi-Supervised Semantic Segmentation using Redesigned Self-Training for White Blood Cells
von: Luu, Vinh Quoc, et al.
Veröffentlicht: (2024)

MRAG: A Modular Retrieval Framework for Time-Sensitive Question Answering
von: Siyue, Zhang, et al.
Veröffentlicht: (2024)

MedXplain-VQA: Multi-Component Explainable Medical Visual Question Answering
von: Nguyen, Hai-Dang, et al.
Veröffentlicht: (2025)

VietMEAgent: Culturally-Aware Few-Shot Multimodal Explanation for Vietnamese Visual Question Answering
von: Nguyen, Hai-Dang, et al.
Veröffentlicht: (2025)

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

AutoViVQA: A Large-Scale Automatically Constructed Dataset for Vietnamese Visual Question Answering
von: Tuong, Nguyen Anh, et al.
Veröffentlicht: (2026)

Mercury: A Code Efficiency Benchmark for Code Large Language Models
von: Du, Mingzhe, et al.
Veröffentlicht: (2024)

Unlearning Backdoor Attacks for LLMs with Weak-to-Strong Knowledge Distillation
von: Zhao, Shuai, et al.
Veröffentlicht: (2024)

Towards Reliable Truth-Aligned Uncertainty Estimation in Large Language Models
von: Srey, Ponhvoan, et al.
Veröffentlicht: (2026)

Towards Signboard-Oriented Visual Question Answering: ViSignVQA Dataset, Method and Benchmark
von: Nguyen, Hieu Minh, et al.
Veröffentlicht: (2025)

Unified Interactive Multimodal Moment Retrieval via Cascaded Embedding-Reranking and Temporal-Aware Score Fusion
von: Thanh, Toan Le Ngo, et al.
Veröffentlicht: (2025)