Buchumschlag

Contrastive Language Video Time Pre-training

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Hengyue, Min, Kyle, Valdez, Hector A., Tripathi, Subarna
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

SViTT-Ego: A Sparse Video-Text Transformer for Egocentric Video
von: Valdez, Hector A., et al.
Veröffentlicht: (2024)

Search2Motion: Training-Free Object-Level Motion Control via Attention-Consensus Search
von: Liu, Sainan, et al.
Veröffentlicht: (2026)

Ego-VPA: Egocentric Video Understanding with Parameter-efficient Adaptation
von: Wu, Tz-Ying, et al.
Veröffentlicht: (2024)

Harnessing Object Grounding for Time-Sensitive Video Understanding
von: Wu, Tz-Ying, et al.
Veröffentlicht: (2025)

Keystep Recognition using Graph Neural Networks
von: Romero, Julia Lee, et al.
Veröffentlicht: (2025)

Graph-Based Multimodal and Multi-view Alignment for Keystep Recognition
von: Romero, Julia Lee, et al.
Veröffentlicht: (2025)

VideoSAGE: Video Summarization with Graph Representation Learning
von: Chaves, Jose M. Rojas, et al.
Veröffentlicht: (2024)

EASG-Bench: Video Q&A Benchmark with Egocentric Action Scene Graphs
von: Rodin, Ivan, et al.
Veröffentlicht: (2025)

VC-Inspector: Advancing Reference-free Evaluation of Video Captions with Factual Analysis
von: Dipta, Shubhashis Roy, et al.
Veröffentlicht: (2025)

Toward Scalable Video Narration: A Training-free Approach Using Multimodal Large Language Models
von: Wu, Tz-Ying, et al.
Veröffentlicht: (2025)

TrajPred: Trajectory-Conditioned Joint Embedding Prediction for Surgical Instrument-Tissue Interaction Recognition in Vision-Language Models
von: Cheng, Jiajun, et al.
Veröffentlicht: (2026)

Advancing Myopia To Holism: Fully Contrastive Language-Image Pre-training
von: Wang, Haicheng, et al.
Veröffentlicht: (2024)

PALADIN : Robust Neural Fingerprinting for Text-to-Image Diffusion Models
von: L, Murthy, et al.
Veröffentlicht: (2025)

Comment-aided Video-Language Alignment via Contrastive Pre-training for Short-form Video Humor Detection
von: Liu, Yang, et al.
Veröffentlicht: (2024)

A Closer Look at the Explainability of Contrastive Language-Image Pre-training
von: Li, Yi, et al.
Veröffentlicht: (2023)

SCAN: Bootstrapping Contrastive Pre-training for Data Efficiency
von: Guo, Yangyang, et al.
Veröffentlicht: (2024)

A Simple Recipe for Contrastively Pre-training Video-First Encoders Beyond 16 Frames
von: Papalampidi, Pinelopi, et al.
Veröffentlicht: (2023)

Sculpting Holistic 3D Representation in Contrastive Language-Image-3D Pre-training
von: Gao, Yipeng, et al.
Veröffentlicht: (2023)

Temporal-Consistent Video Restoration with Pre-trained Diffusion Models
von: Wang, Hengkang, et al.
Veröffentlicht: (2025)

Video-LaVIT: Unified Video-Language Pre-training with Decoupled Visual-Motional Tokenization
von: Jin, Yang, et al.
Veröffentlicht: (2024)

A Generative Adversarial Approach to Adversarial Attacks Guided by Contrastive Language-Image Pre-trained Model
von: Soor, Sampriti, et al.
Veröffentlicht: (2025)

SCALE-VLP: Soft-Weighted Contrastive Volumetric Vision-Language Pre-training with Spatial-Knowledge Semantics
von: Mahdizadeh, Ailar, et al.
Veröffentlicht: (2025)

A Multimodal Pre-trained Network for Integrated EEG-Video Seizure Detection
von: Lu, Tong, et al.
Veröffentlicht: (2026)

Repurposing Pre-trained Video Diffusion Models for Event-based Video Interpolation
von: Chen, Jingxi, et al.
Veröffentlicht: (2024)

Ultrasound-CLIP: Semantic-Aware Contrastive Pre-training for Ultrasound Image-Text Understanding
von: Jin, Jiayun, et al.
Veröffentlicht: (2026)

Multi-hop Relational Contrastive Learning: Extending Spatial Contrastive Pre-training Beyond Pairwise Relations
von: Ahmed, Sheikh Tanvir, et al.
Veröffentlicht: (2026)

ByDeWay: Boost Your multimodal LLM with DEpth prompting in a Training-Free Way
von: Roy, Rajarshi, et al.
Veröffentlicht: (2025)

PatchContrast: Self-Supervised Pre-training for 3D Object Detection
von: Shrout, Oren, et al.
Veröffentlicht: (2023)

WeakSupCon: Weakly Supervised Contrastive Learning for Encoder Pre-training
von: Zhang, Bodong, et al.
Veröffentlicht: (2025)

RadCLIP: Enhancing Radiologic Image Analysis through Contrastive Language-Image Pre-training
von: Lu, Zhixiu, et al.
Veröffentlicht: (2024)

PreMix: Label-Efficient Multiple Instance Learning via Non-Contrastive Pre-training and Feature Mixing
von: Wong, Bryan, et al.
Veröffentlicht: (2024)

Large-scale Pre-training for Grounded Video Caption Generation
von: Kazakos, Evangelos, et al.
Veröffentlicht: (2025)

3D Scene Graph Guided Vision-Language Pre-training
von: Liu, Hao, et al.
Veröffentlicht: (2024)

VILA: On Pre-training for Visual Language Models
von: Lin, Ji, et al.
Veröffentlicht: (2023)

Exploring Pre-trained Text-to-Video Diffusion Models for Referring Video Object Segmentation
von: Zhu, Zixin, et al.
Veröffentlicht: (2024)

Training-free Video Temporal Grounding using Large-scale Pre-trained Models
von: Zheng, Minghang, et al.
Veröffentlicht: (2024)

EndoMamba: An Efficient Foundation Model for Endoscopic Videos via Hierarchical Pre-training
von: Tian, Qingyao, et al.
Veröffentlicht: (2025)

Grounding-MD: Grounded Video-language Pre-training for Open-World Moment Detection
von: Zhuang, Weijun, et al.
Veröffentlicht: (2025)

Foundation Model for Endoscopy Video Analysis via Large-scale Self-supervised Pre-train
von: Wang, Zhao, et al.
Veröffentlicht: (2023)

D4C: Data-Free Quantization for Contrastive Language-Image Pre-training Models
von: Zhang, Wenlun, et al.
Veröffentlicht: (2025)