Copertina

Context-aware Difference Distilling for Multi-change Captioning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Tu, Yunbin, Li, Liang, Su, Li, Zha, Zheng-Jun, Yan, Chenggang, Huang, Qingming
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Distractors-Immune Representation Learning with Cross-modal Contrastive Regularization for Change Captioning
di: Tu, Yunbin, et al.
Pubblicazione: (2024)

Query-centric Audio-Visual Cognition Network for Moment Retrieval, Segmentation and Step-Captioning
di: Tu, Yunbin, et al.
Pubblicazione: (2024)

Collaborative Temporal Consistency Learning for Point-supervised Natural Language Video Localization
di: Tao, Zhuo, et al.
Pubblicazione: (2025)

SafeCFG: Controlling Harmful Features with Dynamic Safe Guidance for Safe Generation
di: Pan, Jiadong, et al.
Pubblicazione: (2024)

SOVC: Subject-Oriented Video Captioning
di: Teng, Chang, et al.
Pubblicazione: (2023)

Multi-Granularity Class Prototype Topology Distillation for Class-Incremental Source-Free Unsupervised Domain Adaptation
di: Deng, Peihua, et al.
Pubblicazione: (2024)

Knowledge Guided Entity-aware Video Captioning and A Basketball Benchmark
di: Xi, Zeyu, et al.
Pubblicazione: (2024)

OPCap:Object-aware Prompting Captioning
di: Huang, Feiyang
Pubblicazione: (2024)

A Comprehensive Survey of 3D Dense Captioning: Localizing and Describing Objects in 3D Scenes
di: Yu, Ting, et al.
Pubblicazione: (2024)

Distribution-aware Dataset Distillation for Efficient Image Restoration
di: Zheng, Zhuoran, et al.
Pubblicazione: (2025)

ViTOC: Vision Transformer and Object-aware Captioner
di: Huang, Feiyang
Pubblicazione: (2024)

RETTA: Retrieval-Enhanced Test-Time Adaptation for Zero-Shot Video Captioning
di: Ma, Yunchuan, et al.
Pubblicazione: (2024)

Leverage Task Context for Object Affordance Ranking
di: Huang, Haojie, et al.
Pubblicazione: (2024)

SAMKD: Spatial-aware Adaptive Masking Knowledge Distillation for Object Detection
di: Zhang, Zhourui, et al.
Pubblicazione: (2025)

Less is More: Token Context-aware Learning for Object Tracking
di: Xu, Chenlong, et al.
Pubblicazione: (2025)

The Devil is in the Distributions: Explicit Modeling of Scene Content is Key in Zero-Shot Video Captioning
di: Tian, Mingkai, et al.
Pubblicazione: (2025)

VIXEN: Visual Text Comparison Network for Image Difference Captioning
di: Black, Alexander, et al.
Pubblicazione: (2024)

Pick-and-Draw: Training-free Semantic Guidance for Text-to-Image Personalization
di: Lv, Henglei, et al.
Pubblicazione: (2024)

ViDiC: Video Difference Captioning
di: Wu, Jiangtao, et al.
Pubblicazione: (2025)

CLoCKDistill: Consistent Location-and-Context-aware Knowledge Distillation for DETRs
di: Lan, Qizhen, et al.
Pubblicazione: (2025)

Uncertainty-aware Long-tailed Weights Model the Utility of Pseudo-labels for Semi-supervised Learning
di: Wu, Jiaqi, et al.
Pubblicazione: (2025)

Frequency-aware Feature Fusion for Dense Image Prediction
di: Chen, Linwei, et al.
Pubblicazione: (2024)

Benchmarking Large Vision-Language Models via Directed Scene Graph for Comprehensive Image Captioning
di: Lu, Fan, et al.
Pubblicazione: (2024)

Aerial View River Landform Video segmentation: A Weakly Supervised Context-aware Temporal Consistency Distillation Approach
di: Chen, Chi-Han, et al.
Pubblicazione: (2025)

LocCa: Visual Pretraining with Location-aware Captioners
di: Wan, Bo, et al.
Pubblicazione: (2024)

Multi-Exposure Image Fusion via Distilled 3D LUT Grid with Editable Mode
di: Su, Xin, et al.
Pubblicazione: (2024)

Knowledge Completes the Vision: A Multimodal Entity-aware Retrieval-Augmented Generation Framework for News Image Captioning
di: You, Xiaoxing, et al.
Pubblicazione: (2025)

Knowledge Distillation via the Target-aware Transformer
di: Lin, Sihao, et al.
Pubblicazione: (2022)

Frame-Level Captions for Long Video Generation with Complex Multi Scenes
di: Zheng, Guangcong, et al.
Pubblicazione: (2025)

TrackletGait: A Robust Framework for Gait Recognition in the Wild
di: Zhang, Shaoxiong, et al.
Pubblicazione: (2025)

RelationVLM: Making Large Vision-Language Models Understand Visual Relations
di: Huang, Zhipeng, et al.
Pubblicazione: (2024)

FeatDistill: A Feature Distillation Enhanced Multi-Expert Ensemble Framework for Robust AI-generated Image Detection
di: Tu, Zhilin, et al.
Pubblicazione: (2026)

Progressive Homeostatic and Plastic Prompt Tuning for Audio-Visual Multi-Task Incremental Learning
di: Yin, Jiong, et al.
Pubblicazione: (2025)

A Unified Membership Inference Method for Visual Self-supervised Encoder via Part-aware Capability
di: Zhu, Jie, et al.
Pubblicazione: (2024)

Robust Tracking via Mamba-based Context-aware Token Learning
di: Xie, Jinxia, et al.
Pubblicazione: (2024)

COLA: Context-aware Language-driven Test-time Adaptation
di: Zhang, Aiming, et al.
Pubblicazione: (2025)

Efficient Temporal Sentence Grounding in Videos with Multi-Teacher Knowledge Distillation
di: Liang, Renjie, et al.
Pubblicazione: (2023)

Exploring Diverse In-Context Configurations for Image Captioning
di: Yang, Xu, et al.
Pubblicazione: (2023)

A Unified and Scalable Membership Inference Method for Visual Self-supervised Encoder via Part-aware Capability
di: Zhu, Jie, et al.
Pubblicazione: (2025)

Progressive Depth Decoupling and Modulating for Flexible Depth Completion
di: Yang, Zhiwen, et al.
Pubblicazione: (2024)