Buchumschlag

T2VIndexer: A Generative Video Indexer for Efficient Text-Video Retrieval

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Yili, Yu, Jing, Gai, Keke, Liu, Bang, Xiong, Gang, Wu, Qi
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

IIU: Independent Inference Units for Knowledge-based Visual Question Answering
von: Li, Yili, et al.
Veröffentlicht: (2024)

Denoise-I2W: Mapping Images to Denoising Words for Accurate Zero-Shot Composed Image Retrieval
von: Tang, Yuanmin, et al.
Veröffentlicht: (2024)

T2VParser: Adaptive Decomposition Tokens for Partial Alignment in Text to Video Retrieval
von: Li, Yili, et al.
Veröffentlicht: (2025)

Missing Target-Relevant Information Prediction with World Model for Accurate Zero-Shot Composed Image Retrieval
von: Tang, Yuanmin, et al.
Veröffentlicht: (2025)

ALIEN: Analytic Latent Watermarking for Controllable Generation
von: Lei, Liangqi, et al.
Veröffentlicht: (2026)

Visual-Semantic Decomposition and Partial Alignment for Document-based Zero-Shot Learning
von: Qu, Xiangyan, et al.
Veröffentlicht: (2024)

Adversarial Video Promotion Against Text-to-Video Retrieval
von: Tian, Qiwei, et al.
Veröffentlicht: (2025)

TempMe: Video Temporal Token Merging for Efficient Text-Video Retrieval
von: Shen, Leqi, et al.
Veröffentlicht: (2024)

RAP: Efficient Text-Video Retrieval with Sparse-and-Correlated Adapter
von: Cao, Meng, et al.
Veröffentlicht: (2024)

Denoise-then-Retrieve: Text-Conditioned Video Denoising for Video Moment Retrieval
von: Liu, Weijia, et al.
Veröffentlicht: (2025)

EA-VTR: Event-Aware Video-Text Retrieval
von: Ma, Zongyang, et al.
Veröffentlicht: (2024)

Hybrid-Tower: Fine-grained Pseudo-query Interaction and Generation for Text-to-Video Retrieval
von: Lan, Bangxiang, et al.
Veröffentlicht: (2025)

The Devil is in the Prompts: Retrieval-Augmented Prompt Optimization for Text-to-Video Generation
von: Gao, Bingjie, et al.
Veröffentlicht: (2025)

Co-speech Gesture Video Generation via Motion-Based Graph Retrieval
von: Song, Yafei, et al.
Veröffentlicht: (2025)

CustomVideo: Customizing Text-to-Video Generation with Multiple Subjects
von: Wang, Zhao, et al.
Veröffentlicht: (2024)

Text-Animator: Controllable Visual Text Video Generation
von: Liu, Lin, et al.
Veröffentlicht: (2024)

SAVE: Speech-Aware Video Representation Learning for Video-Text Retrieval
von: Zhao, Ruixiang, et al.
Veröffentlicht: (2026)

EMO: Emote Portrait Alive -- Generating Expressive Portrait Videos with Audio2Video Diffusion Model under Weak Conditions
von: Tian, Linrui, et al.
Veröffentlicht: (2024)

Towards Scalable Video Anomaly Retrieval: A Synthetic Video-Text Benchmark
von: Yang, Shuyu, et al.
Veröffentlicht: (2025)

Towards Efficient and Effective Text-to-Video Retrieval with Coarse-to-Fine Visual Representation Learning
von: Tian, Kaibin, et al.
Veröffentlicht: (2024)

A Survey of Interactive Generative Video
von: Yu, Jiwen, et al.
Veröffentlicht: (2025)

Lumina-Video: Efficient and Flexible Video Generation with Multi-scale Next-DiT
von: Liu, Dongyang, et al.
Veröffentlicht: (2025)

TokenBinder: Text-Video Retrieval with One-to-Many Alignment Paradigm
von: Zhang, Bingqing, et al.
Veröffentlicht: (2024)

UniVideo: Unified Understanding, Generation, and Editing for Videos
von: Wei, Cong, et al.
Veröffentlicht: (2025)

TVPR: Text-to-Video Person Retrieval and a New Benchmark
von: Zhang, Xu, et al.
Veröffentlicht: (2023)

EMO2: End-Effector Guided Audio-Driven Avatar Video Generation
von: Tian, Linrui, et al.
Veröffentlicht: (2025)

Text Is MASS: Modeling as Stochastic Embedding for Text-Video Retrieval
von: Wang, Jiamian, et al.
Veröffentlicht: (2024)

OmniRetriever: Any-to-Any Audio-Video-Text Retrieval via Fusion-as-Teacher Distillation
von: Liu, Yunze, et al.
Veröffentlicht: (2026)

Prompt-aware of Frame Sampling for Efficient Text-Video Retrieval
von: Zhang, Deyu, et al.
Veröffentlicht: (2025)

LOVE: Benchmarking and Evaluating Text-to-Video Generation and Video-to-Text Interpretation
von: Wang, Jiarui, et al.
Veröffentlicht: (2025)

T-SVG: Text-Driven Stereoscopic Video Generation
von: Jin, Qiao, et al.
Veröffentlicht: (2024)

Unifying Latent and Lexicon Representations for Effective Video-Text Retrieval
von: Liu, Haowei, et al.
Veröffentlicht: (2024)

MV-Adapter: Multimodal Video Transfer Learning for Video Text Retrieval
von: Jin, Xiaojie, et al.
Veröffentlicht: (2023)

VRMDiff: Text-Guided Video Referring Matting Generation of Diffusion
von: Yang, Lehan, et al.
Veröffentlicht: (2025)

Text Prompt with Normality Guidance for Weakly Supervised Video Anomaly Detection
von: Yang, Zhiwei, et al.
Veröffentlicht: (2024)

Generative Recall, Dense Reranking: Learning Multi-View Semantic IDs for Efficient Text-to-Video Retrieval
von: Zhao, Zecheng, et al.
Veröffentlicht: (2026)

Step-Video-TI2V Technical Report: A State-of-the-Art Text-Driven Image-to-Video Generation Model
von: Huang, Haoyang, et al.
Veröffentlicht: (2025)

VideoTetris: Towards Compositional Text-to-Video Generation
von: Tian, Ye, et al.
Veröffentlicht: (2024)

Repeating Words for Video-Language Retrieval with Coarse-to-Fine Objectives
von: Zhao, Haoyu, et al.
Veröffentlicht: (2025)

VidText: Towards Comprehensive Evaluation for Video Text Understanding
von: Yang, Zhoufaran, et al.
Veröffentlicht: (2025)