Image de couverture de livre

MUSE: Mamba is Efficient Multi-scale Learner for Text-video Retrieval

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	Tang, Haoran, Cao, Meng, Huang, Jinfa, Liu, Ruyang, Jin, Peng, Li, Ge, Liang, Xiaodan
Format:	Preprint
Publié:	2024
Sujets:	Computer Vision and Pattern Recognition
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Documents similaires

RAP: Efficient Text-Video Retrieval with Sparse-and-Correlated Adapter
par: Cao, Meng, et autres
Publié: (2024)

Video Spatial Reasoning with Object-Centric 3D Rollout
par: Tang, Haoran, et autres
Publié: (2025)

ST-LLM: Large Language Models Are Effective Temporal Learners
par: Liu, Ruyang, et autres
Publié: (2024)

PhysGame: Uncovering Physical Commonsense Violations in Gameplay Videos
par: Cao, Meng, et autres
Publié: (2024)

Order from Chaos: Physical World Understanding from Glitchy Gameplay Videos
par: Cao, Meng, et autres
Publié: (2026)

Flow4Agent: Long-form Video Understanding via Motion Prior from Optical Flow
par: Liu, Ruyang, et autres
Publié: (2025)

TransMamba: Fast Universal Architecture Adaption from Transformers to Mamba
par: Chen, Xiuwei, et autres
Publié: (2025)

PPLLaVA: Varied Video Sequence Understanding With Prompt Guidance
par: Sun, Shangkun, et autres
Publié: (2024)

MLP Can Be A Good Transformer Learner
par: Lin, Sihao, et autres
Publié: (2024)

RI-Mamba: Rotation-Invariant Mamba for Robust Text-to-Shape Retrieval
par: Nguyen, Khanh, et autres
Publié: (2026)

GarmentAligner: Text-to-Garment Generation via Retrieval-augmented Multi-level Corrections
par: Zhang, Shiyue, et autres
Publié: (2024)

Seeing through Imagination: Learning Scene Geometry via Implicit Spatial World Modeling
par: Cao, Meng, et autres
Publié: (2025)

LeanPO: Lean Preference Optimization for Likelihood Alignment in Video-LLMs
par: Wang, Xiaodong, et autres
Publié: (2025)

BT-Adapter: Video Conversation is Feasible Without Video Instruction Tuning
par: Liu, Ruyang, et autres
Publié: (2023)

Identity-Preserving Text-to-Video Generation by Frequency Decomposition
par: Yuan, Shenghai, et autres
Publié: (2024)

Denoise-then-Retrieve: Text-Conditioned Video Denoising for Video Moment Retrieval
par: Liu, Weijia, et autres
Publié: (2025)

Cross-modal Fuzzy Alignment Network for Text-Aerial Person Retrieval and A Large-scale Benchmark
par: Deng, Yifei, et autres
Publié: (2026)

VMRNN: Integrating Vision Mamba and LSTM for Efficient and Accurate Spatiotemporal Forecasting
par: Tang, Yujin, et autres
Publié: (2024)

HS-Mamba: Full-Field Interaction Multi-Groups Mamba for Hyperspectral Image Classification
par: Peng, Hongxing, et autres
Publié: (2025)

MamFusion: Multi-Mamba with Temporal Fusion for Partially Relevant Video Retrieval
par: Ying, Xinru, et autres
Publié: (2025)

SpatialDreamer: Incentivizing Spatial Reasoning via Active Mental Imagery
par: Cao, Meng, et autres
Publié: (2025)

DialogGen: Multi-modal Interactive Dialogue System for Multi-turn Text-to-Image Generation
par: Huang, Minbin, et autres
Publié: (2024)

LOOK-M: Look-Once Optimization in KV Cache for Efficient Multimodal Long-Context Inference
par: Wan, Zhongwei, et autres
Publié: (2024)

Trusted Mamba Contrastive Network for Multi-View Clustering
par: Zhu, Jian, et autres
Publié: (2024)

MUSE: Multi-Subject Unified Synthesis via Explicit Layout Semantic Expansion
par: Peng, Fei, et autres
Publié: (2025)

Efficient Explicit Joint-level Interaction Modeling with Mamba for Text-guided HOI Generation
par: Huang, Guohong, et autres
Publié: (2025)

DB-MSMUNet:Dual Branch Multi-scale Mamba UNet for Pancreatic CT Scans Segmentation
par: Guan, Qiu, et autres
Publié: (2026)

Qihoo-T2X: An Efficient Proxy-Tokenized Diffusion Transformer for Text-to-Any-Task
par: Wang, Jing, et autres
Publié: (2024)

MUSE: Multi-Scale Dense Self-Distillation for Nucleus Detection and Classification
par: Yang, Zijiang, et autres
Publié: (2025)

MSTAR: Box-free Multi-query Scene Text Retrieval with Attention Recycling
par: Yin, Liang, et autres
Publié: (2025)

BEV-TSR: Text-Scene Retrieval in BEV Space for Autonomous Driving
par: Tang, Tao, et autres
Publié: (2024)

TextMamba: Scene Text Detector with Mamba
par: Zhao, Qiyan, et autres
Publié: (2025)

Motion Mamba: Efficient and Long Sequence Motion Generation
par: Zhang, Zeyu, et autres
Publié: (2024)

Trajectory Mamba: Efficient Attention-Mamba Forecasting Model Based on Selective SSM
par: Huang, Yizhou, et autres
Publié: (2025)

UAVPairs: A Challenging Benchmark for Match Pair Retrieval of Large-scale UAV Images
par: Liu, Junhuan, et autres
Publié: (2025)

Versatile and Efficient Medical Image Super-Resolution Via Frequency-Gated Mamba
par: Huang, Wenfeng, et autres
Publié: (2025)

MVQA: Mamba with Unified Sampling for Efficient Video Quality Assessment
par: Mi, Yachun, et autres
Publié: (2025)

Generative Recall, Dense Reranking: Learning Multi-View Semantic IDs for Efficient Text-to-Video Retrieval
par: Zhao, Zecheng, et autres
Publié: (2026)

ML-Mamba: Efficient Multi-Modal Large Language Model Utilizing Mamba-2
par: Huang, Wenjun, et autres
Publié: (2024)

GeoMamba: A Geometry-driven MambaVision Framework and Dataset for Fine-grained Optical-SAR Object Retrieval
par: Fang, Tiantong, et autres
Publié: (2026)