Self-supervised Multi-actor Social Activity Understanding in Streaming Videos

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Trehan, Shubham, Aakur, Sathyanarayanan N.
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

Discovering Novel Actions from Open World Egocentric Videos with Object-Grounded Visual Commonsense Reasoning
von: Kundu, Sanjoy, et al.
Veröffentlicht: (2023)

ALGO: Object-Grounded Visual Commonsense Reasoning for Open-World Egocentric Action Recognition
von: Kundu, Sanjoy, et al.
Veröffentlicht: (2024)

FSP-DETR: Few-Shot Prototypical Parasitic Ova Detection
von: Trehan, Shubham, et al.
Veröffentlicht: (2025)

A Probabilistic Jump-Diffusion Framework for Open-World Egocentric Activity Recognition
von: Kundu, Sanjoy, et al.
Veröffentlicht: (2025)

ProbRes: Probabilistic Jump Diffusion for Open-World Egocentric Activity Recognition
von: Kundu, Sanjoy, et al.
Veröffentlicht: (2025)

CRAFT: A Neuro-Symbolic Framework for Visual Functional Affordance Grounding
von: Chen, Zhou, et al.
Veröffentlicht: (2025)

Hallucinate, Ground, Repeat: A Framework for Generalized Visual Relationship Detection
von: Vellamcheti, Shanmukha, et al.
Veröffentlicht: (2025)

Generalized Event Partonomy Inference with Structured Hierarchical Predictive Learning
von: Chen, Zhou, et al.
Veröffentlicht: (2025)

EASE: Embodied Active Event Perception via Self-Supervised Energy Minimization
von: Chen, Zhou, et al.
Veröffentlicht: (2025)

STaTS: Structure-Aware Temporal Sequence Summarization via Statistical Window Merging
von: Bhowmick, Disharee, et al.
Veröffentlicht: (2025)

Capturing Temporal Components for Time Series Classification
von: Vavilthota, Venkata Ragavendra, et al.
Veröffentlicht: (2024)

CVT-Bench: Counterfactual Viewpoint Transformations Reveal Unstable Spatial Representations in Multimodal LLMs
von: Vellamcheti, Shanmukha, et al.
Veröffentlicht: (2026)

CrossVideo: Self-supervised Cross-modal Contrastive Learning for Point Cloud Video Understanding
von: Liu, Yunze, et al.
Veröffentlicht: (2024)

StreamEQA: Towards Streaming Video Understanding for Embodied Scenarios
von: Wang, Yifei, et al.
Veröffentlicht: (2025)

StreamAgent: Towards Anticipatory Agents for Streaming Video Understanding
von: Yang, Haolin, et al.
Veröffentlicht: (2025)

SoGAR: Self-supervised Spatiotemporal Attention-based Social Group Activity Recognition
von: Chappa, Naga VS Raviteja, et al.
Veröffentlicht: (2023)

SVBench: A Benchmark with Temporal Multi-Turn Dialogues for Streaming Video Understanding
von: Yang, Zhenyu, et al.
Veröffentlicht: (2025)

Multi-modal Video Representation Alignment for Robust Self-supervised Driver Distraction Detection
von: Lerch, David J., et al.
Veröffentlicht: (2026)

X-Stream: Exploring MLLMs as Multiplexers for Multi-Stream Understanding
von: Sun, Peiwen, et al.
Veröffentlicht: (2026)

Streaming Long Video Understanding with Large Language Models
von: Qian, Rui, et al.
Veröffentlicht: (2024)

An Efficient Streaming Video Understanding Framework with Agentic Control
von: Liu, Jinming, et al.
Veröffentlicht: (2026)

FakeOut: Leveraging Out-of-domain Self-supervision for Multi-modal Video Deepfake Detection
von: Knafo, Gil, et al.
Veröffentlicht: (2022)

Memory-efficient Streaming VideoLLMs for Real-time Procedural Video Understanding
von: Chatterjee, Dibyadip, et al.
Veröffentlicht: (2025)

Decouple and Cache: KV Cache Construction for Streaming Video Understanding
von: Pang, Zhanzhong, et al.
Veröffentlicht: (2026)

StreamOV: Streaming Omni-Video Understanding via Evidence-Guided Memory and Response Triggering
von: Xie, Ming, et al.
Veröffentlicht: (2026)

StreamMeCo: Long-Term Agent Memory Compression for Efficient Streaming Video Understanding
von: Wang, Junxi, et al.
Veröffentlicht: (2026)

ShotStream: Streaming Multi-Shot Video Generation for Interactive Storytelling
von: Luo, Yawen, et al.
Veröffentlicht: (2026)

Collaboratively Self-supervised Video Representation Learning for Action Recognition
von: Zhang, Jie, et al.
Veröffentlicht: (2024)

A Self-supervised Motion Representation for Portrait Video Generation
von: Zhang, Qiyuan, et al.
Veröffentlicht: (2025)

Streaming Video Understanding and Multi-round Interaction with Memory-enhanced Knowledge
von: Xiong, Haomiao, et al.
Veröffentlicht: (2025)

Video-Zero: Self-Evolution Video Understanding
von: Zhang, Ruixu, et al.
Veröffentlicht: (2026)

StreamingTOM: Streaming Token Compression for Efficient Video Understanding
von: Chen, Xueyi, et al.
Veröffentlicht: (2025)

Exploring Semantic Masked Autoencoder for Self-supervised Point Cloud Understanding
von: Zha, Yixin, et al.
Veröffentlicht: (2025)

StreamForest: Efficient Online Video Understanding with Persistent Event Memory
von: Zeng, Xiangyu, et al.
Veröffentlicht: (2025)

Memory Helps, but Confabulation Misleads: Understanding Streaming Events in Videos with MLLMs
von: Zhang, Gengyuan, et al.
Veröffentlicht: (2025)

AURA: Always-On Understanding and Real-Time Assistance via Video Streams
von: Lu, Xudong, et al.
Veröffentlicht: (2026)

Open-ended Hierarchical Streaming Video Understanding with Vision Language Models
von: Kang, Hyolim, et al.
Veröffentlicht: (2025)

Flash-VStream: Efficient Real-Time Understanding for Long Video Streams
von: Zhang, Haoji, et al.
Veröffentlicht: (2025)

Self-supervised Video Object Segmentation with Distillation Learning of Deformable Attention
von: Truong, Quang-Trung, et al.
Veröffentlicht: (2024)

Large-scale Self-supervised Video Foundation Model for Intelligent Surgery
von: Yang, Shu, et al.
Veröffentlicht: (2025)