Buchumschlag

LSVOS Challenge 3rd Place Report: SAM2 and Cutie based VOS

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Xinyu, Zhang, Jing, Zhang, Kexin, Liu, Xu, Li, Lingling
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SAMSON: 3rd Place Solution of LSVOS 2025 VOS Challenge
von: Xie, Yujie, et al.
Veröffentlicht: (2025)

CSS-Segment: 2nd Place Report of LSVOS Challenge VOS Track
von: Chai, Jinming, et al.
Veröffentlicht: (2024)

The Instance-centric Transformer for the RVOS Track of LSVOS Challenge: 3rd Place Solution
von: Cao, Bin, et al.
Veröffentlicht: (2024)

Video Object Segmentation via SAM 2: The 4th Solution for LSVOS Challenge VOS Track
von: Pan, Feiyu, et al.
Veröffentlicht: (2024)

FGNet: Leveraging Feature-Guided Attention to Refine SAM2 for 3D EM Neuron Segmentation
von: Li, Zhenghua, et al.
Veröffentlicht: (2025)

UNINEXT-Cutie: The 1st Solution for LSVOS Challenge RVOS Track
von: Fang, Hao, et al.
Veröffentlicht: (2024)

Heterogeneous Graph-based Framework with Disentangled Representations Learning for Multi-target Cross Domain Recommendation
von: Liu, Xiaopeng, et al.
Veröffentlicht: (2024)

Inter and Intra Prior Learning-based Hyperspectral Image Reconstruction Using Snapshot SWIR Metasurface
von: Li, Linqiang, et al.
Veröffentlicht: (2024)

FunduSAM: A Specialized Deep Learning Model for Enhanced Optic Disc and Cup Segmentation in Fundus Images
von: Yu, Jinchen, et al.
Veröffentlicht: (2025)

LSVOS Challenge Report: Large-scale Complex and Long Video Object Segmentation
von: Ding, Henghui, et al.
Veröffentlicht: (2024)

Discriminative Spatial-Semantic VOS Solution: 1st Place Solution for 6th LSVOS
von: Miao, Deshui, et al.
Veröffentlicht: (2024)

Modality-Balanced Learning for Multimedia Recommendation
von: Zhang, Jinghao, et al.
Veröffentlicht: (2024)

Composed Multi-modal Retrieval: A Survey of Approaches and Applications
von: Zhang, Kun, et al.
Veröffentlicht: (2025)

ViDR: Grounding Multimodal Deep Research Reports in Source Visual Evidence
von: Shi, Zhuofan, et al.
Veröffentlicht: (2026)

SAIL-Embedding Technical Report: Omni-modal Embedding Foundation Model
von: Lin, Lin, et al.
Veröffentlicht: (2025)

I2CR: Intra- and Inter-modal Collaborative Reflections for Multimodal Entity Linking
von: Liu, Ziyan, et al.
Veröffentlicht: (2025)

AutothinkRAG: Complexity-Aware Control of Retrieval-Augmented Reasoning for Image-Text Interaction
von: Yang, Jiashu, et al.
Veröffentlicht: (2026)

Enriched Feature Representation and Motion Prediction Module for MOSEv2 Track of 7th LSVOS Challenge: 3rd Place Solution
von: Lim, Chang Soo, et al.
Veröffentlicht: (2025)

RAGAR: Retrieval Augmented Personalized Image Generation Guided by Recommendation
von: Ling, Run, et al.
Veröffentlicht: (2025)

Unity is Strength: Unifying Convolutional and Transformeral Features for Better Person Re-Identification
von: Wang, Yuhao, et al.
Veröffentlicht: (2024)

Fine-grained Motion Retrieval via Joint-Angle Motion Images and Token-Patch Late Interaction
von: Zhang, Yao, et al.
Veröffentlicht: (2026)

LOVO: Efficient Complex Object Query in Large-Scale Video Datasets
von: Liu, Yuxin, et al.
Veröffentlicht: (2025)

3rd Place Solution for MOSE Track in CVPR 2024 PVUW workshop: Complex Video Object Segmentation
von: Liu, Xinyu, et al.
Veröffentlicht: (2024)

Pretrain-then-Adapt: Uncertainty-Aware Test-Time Adaptation for Text-based Person Search
von: Zhang, Jiahao, et al.
Veröffentlicht: (2026)

Advancing Re-Ranking with Multimodal Fusion and Target-Oriented Auxiliary Tasks in E-Commerce Search
von: Xu, Enqiang, et al.
Veröffentlicht: (2024)

A Resource-Efficient Training Framework for Remote Sensing Text--Image Retrieval
von: Zhang, Weihang, et al.
Veröffentlicht: (2025)

Bit-mask Robust Contrastive Knowledge Distillation for Unsupervised Semantic Hashing
von: He, Liyang, et al.
Veröffentlicht: (2024)

Learning Positional Attention for Sequential Recommendation
von: Luo, Fan, et al.
Veröffentlicht: (2024)

TrajSV: A Trajectory-based Model for Sports Video Representations and Applications
von: Wang, Zheng, et al.
Veröffentlicht: (2025)

GMM-Based Comprehensive Feature Extraction and Relative Distance Preservation For Few-Shot Cross-Modal Retrieval
von: Sun, Chengsong, et al.
Veröffentlicht: (2025)

ADaFuSE: Adaptive Diffusion-generated Image and Text Fusion for Interactive Text-to-Image Retrieval
von: Zhang, Zhuocheng, et al.
Veröffentlicht: (2026)

Multi-Branch Collaborative Learning Network for Video Quality Assessment in Industrial Video Search
von: Tang, Hengzhu, et al.
Veröffentlicht: (2025)

Self-distilled Dynamic Fusion Network for Language-based Fashion Retrieval
von: Wu, Yiming, et al.
Veröffentlicht: (2024)

MR$^2$-Bench: Going Beyond Matching to Reasoning in Multimodal Retrieval
von: Zhou, Junjie, et al.
Veröffentlicht: (2025)

Bridging the Modality Gap: Dimension Information Alignment and Sparse Spatial Constraint for Image-Text Matching
von: Ma, Xiang, et al.
Veröffentlicht: (2024)

FashionStylist: An Expert Knowledge-enhanced Multimodal Dataset for Fashion Understanding
von: Feng, Kaidong, et al.
Veröffentlicht: (2026)

ReCon: Enhancing True Correspondence Discrimination through Relation Consistency for Robust Noisy Correspondence Learning
von: Zha, Quanxing, et al.
Veröffentlicht: (2025)

CoTMR: Chain-of-Thought Multi-Scale Reasoning for Training-Free Zero-Shot Composed Image Retrieval
von: Sun, Zelong, et al.
Veröffentlicht: (2025)

Decoding Ancient Oracle Bone Script via Generative Dictionary Retrieval
von: Wu, Yin, et al.
Veröffentlicht: (2026)

MammoWise: Multi-Model Local RAG Pipeline for Mammography Report Generation
von: Jahangir, Raiyan, et al.
Veröffentlicht: (2026)