Buchumschlag

Classification Matters: Improving Video Action Detection with Class-Specific Attention

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Jinsung, Kim, Taeoh, Lee, Inwoong, Shim, Minho, Wee, Dongyoon, Cho, Minsu, Kwak, Suha
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

Why Can't I Open My Drawer? Mitigating Object-Driven Shortcuts in Zero-Shot Compositional Action Recognition
von: Ahn, Geo, et al.
Veröffentlicht: (2026)

Video-Oasis: Rethinking Evaluation of Video Understanding
von: Lim, Geuntaek, et al.
Veröffentlicht: (2026)

Prototypes are Balanced Units for Efficient and Effective Partially Relevant Video Retrieval
von: Moon, WonJun, et al.
Veröffentlicht: (2025)

Multi-Granular Spatio-Temporal Token Merging for Training-Free Acceleration of Video LLMs
von: Hyun, Jeongseok, et al.
Veröffentlicht: (2025)

Planning in 8 Tokens: A Compact Discrete Tokenizer for Latent World Model
von: Kim, Dongwon, et al.
Veröffentlicht: (2026)

Tempered Self-Similarity Alignment for Physically Plausible Video Generation
von: Kim, Manjin, et al.
Veröffentlicht: (2026)

Decomposed Attention Fusion in MLLMs for Training-Free Video Reasoning Segmentation
von: Han, Su Ho, et al.
Veröffentlicht: (2025)

Part-Aware Bottom-Up Group Reasoning for Fine-Grained Social Interaction Detection
von: Kim, Dongkeun, et al.
Veröffentlicht: (2025)

Online Temporal Action Localization with Memory-Augmented Transformer
von: Song, Youngkil, et al.
Veröffentlicht: (2024)

ActFusion: a Unified Diffusion Model for Action Segmentation and Anticipation
von: Gong, Dayoung, et al.
Veröffentlicht: (2024)

Towards More Practical Group Activity Detection: A New Benchmark and Model
von: Kim, Dongkeun, et al.
Veröffentlicht: (2023)

CoMoGaussian: Continuous Motion-Aware Gaussian Splatting from Motion-Blurred Images
von: Lee, Jungho, et al.
Veröffentlicht: (2025)

CoCoGaussian: Leveraging Circle of Confusion for Gaussian Splatting from Defocused Images
von: Lee, Jungho, et al.
Veröffentlicht: (2024)

FreeAction: Training-Free Techniques for Enhanced Fidelity of Trajectory-to-Video Generation
von: Kim, Seungwook, et al.
Veröffentlicht: (2025)

Learning Audio-guided Video Representation with Gated Attention for Video-Text Retrieval
von: Jeong, Boseung, et al.
Veröffentlicht: (2025)

Structured State-Space Regularization for Generation-Friendly Image Tokenization
von: Lee, Jinsung, et al.
Veröffentlicht: (2026)

A Simple Baseline with Single-encoder for Referring Image Segmentation
von: Yu, Seonghoon, et al.
Veröffentlicht: (2024)

Bootstrapping Top-down Information for Self-modulating Slot Attention
von: Kim, Dongwon, et al.
Veröffentlicht: (2024)

FREST: Feature RESToration for Semantic Segmentation under Multiple Adverse Conditions
von: Lee, Sohyun, et al.
Veröffentlicht: (2024)

Improving Sound Source Localization with Joint Slot Attention on Image and Audio
von: Kim, Inho, et al.
Veröffentlicht: (2025)

Extreme Point Supervised Instance Segmentation
von: Lee, Hyeonjun, et al.
Veröffentlicht: (2024)

PLOT: Text-based Person Search with Part Slot Attention for Corresponding Part Discovery
von: Park, Jicheol, et al.
Veröffentlicht: (2024)

SeiT++: Masked Token Modeling Improves Storage-efficient Training
von: Lee, Minhyun, et al.
Veröffentlicht: (2023)

Leveraging Temporal Contextualization for Video Action Recognition
von: Kim, Minji, et al.
Veröffentlicht: (2024)

Video Summarization with Large Language Models
von: Lee, Min Jung, et al.
Veröffentlicht: (2025)

Robust Promptable Video Object Segmentation
von: Lee, Sohyun, et al.
Veröffentlicht: (2026)

Harnessing the Power of Training-Free Techniques in Text-to-2D Generation for Text-to-3D Generation via Score Distillation Sampling
von: Lee, Junhong, et al.
Veröffentlicht: (2025)

GaRA-SAM: Robustifying Segment Anything Model with Gated-Rank Adaptation
von: Lee, Sohyun, et al.
Veröffentlicht: (2025)

Coherent Human-Scene Reconstruction from Multi-Person Multi-View Video in a Single Pass
von: Kim, Sangmin, et al.
Veröffentlicht: (2026)

Improving Text-to-Image Generation with Intrinsic Self-Confidence Rewards
von: Kim, Seungwook, et al.
Veröffentlicht: (2026)

RoDyGS: Robust Dynamic Gaussian Splatting for Casual Videos
von: Lee, Junmyeong, et al.
Veröffentlicht: (2024)

Improving Text-based Person Search via Part-level Cross-modal Correspondence
von: Park, Jicheol, et al.
Veröffentlicht: (2024)

Humans as a Calibration Pattern: Dynamic 3D Scene Reconstruction from Unsynchronized and Uncalibrated Videos
von: Choi, Changwoon, et al.
Veröffentlicht: (2024)

Dual Prototype Attention for Unsupervised Video Object Segmentation
von: Cho, Suhwan, et al.
Veröffentlicht: (2022)

CAST: Cross-Attention in Space and Time for Video Action Recognition
von: Lee, Dongho, et al.
Veröffentlicht: (2023)

OFF-CLIP: Improving Normal Detection Confidence in Radiology CLIP with Simple Off-Diagonal Term Auto-Adjustment
von: Park, Junhyun, et al.
Veröffentlicht: (2025)

Locality-Aware Zero-Shot Human-Object Interaction Detection
von: Kim, Sanghyun, et al.
Veröffentlicht: (2025)

ActionSwitch: Class-agnostic Detection of Simultaneous Actions in Streaming Videos
von: Kang, Hyolim, et al.
Veröffentlicht: (2024)

MaskRIS: Semantic Distortion-aware Data Augmentation for Referring Image Segmentation
von: Lee, Minhyun, et al.
Veröffentlicht: (2024)

NVS-Adapter: Plug-and-Play Novel View Synthesis from a Single Image
von: Jeong, Yoonwoo, et al.
Veröffentlicht: (2023)