:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tosato, Lucrezia, Fortier, Victor, Bloch, Isabelle, Pelachaud, Catherine
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	https://arxiv.org/abs/2408.16380
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sentinel2Cap: A Human-Annotated Benchmark Dataset for Multimodal Remote Sensing Image Captioning
von: Tosato, Lucrezia, et al.
Veröffentlicht: (2026)

Can SAR improve RSVQA performance?
von: Tosato, Lucrezia, et al.
Veröffentlicht: (2024)

SAR Strikes Back: A New Hope for RSVQA
von: Tosato, Lucrezia, et al.
Veröffentlicht: (2025)

Segmentation-guided Attention for Visual Question Answering from Remote Sensing Images
von: Tosato, Lucrezia, et al.
Veröffentlicht: (2024)

Visual Question Answering on Multiple Remote Sensing Image Modalities
von: Boussaid, Hichem, et al.
Veröffentlicht: (2025)

Checkmate: interpretable and explainable RSVQA is the endgame
von: Tosato, Lucrezia, et al.
Veröffentlicht: (2025)

Investigating the impact of 2D gesture representation on co-speech gesture generation
von: Guichoux, Teo, et al.
Veröffentlicht: (2024)

2D or not 2D: How Does the Dimensionality of Gesture Representation Affect 3D Co-Speech Gesture Generation?
von: Guichoux, Téo, et al.
Veröffentlicht: (2024)

Disentangling spatio-temporal knowledge for weakly supervised object detection and segmentation in surgical video
von: Liao, Guiqiu, et al.
Veröffentlicht: (2024)

Bidirectional skip-frame prediction for video anomaly detection with intra-domain disparity-driven attention
von: Lyu, Jiahao, et al.
Veröffentlicht: (2024)

Exploiting Multimodal Spatial-temporal Patterns for Video Object Tracking
von: Hu, Xiantao, et al.
Veröffentlicht: (2024)

Real time anomalies detection on video
von: Poirier, Fabien
Veröffentlicht: (2024)

Action-conditioned video data improves predictability
von: Sarkar, Meenakshi, et al.
Veröffentlicht: (2024)

Multi-speaker Attention Alignment for Multimodal Social Interaction
von: Ouyang, Liangyang, et al.
Veröffentlicht: (2025)

PREGO: online mistake detection in PRocedural EGOcentric videos
von: Flaborea, Alessandro, et al.
Veröffentlicht: (2024)

LACOSTE: Exploiting stereo and temporal contexts for surgical instrument segmentation
von: Wang, Qiyuan, et al.
Veröffentlicht: (2024)

Improving saliency models' predictions of the next fixation with humans' intrinsic cost of gaze shifts
von: Kadner, Florian, et al.
Veröffentlicht: (2022)

Anomaly detection in non-stationary videos using time-recursive differencing network based prediction
von: Pillai, Gargi V., et al.
Veröffentlicht: (2025)

Don't Pause! Every prediction matters in a streaming video
von: Chatterjee, Dibyadip, et al.
Veröffentlicht: (2026)

ST-Gait++: Leveraging spatio-temporal convolutions for gait-based emotion recognition on videos
von: Lima, Maria Luísa, et al.
Veröffentlicht: (2024)

DepthFake: a depth-based strategy for detecting Deepfake videos
von: Maiano, Luca, et al.
Veröffentlicht: (2022)

An approximation-based approach versus an AI one for the study of CT images of abdominal aorta aneurysms
von: Rinelli, Lucrezia, et al.
Veröffentlicht: (2024)

A vision-language model and platform for temporally mapping surgery from video
von: Kiyasseh, Dani
Veröffentlicht: (2026)

OmViD: Omni-supervised active learning for video action detection
von: Rana, Aayush, et al.
Veröffentlicht: (2025)

Autoregression-free video prediction using diffusion model for mitigating error propagation
von: Ko, Woonho, et al.
Veröffentlicht: (2025)

Anomaly detection in satellite imagery through temporal inpainting
von: Rouet-Leduc, Bertrand, et al.
Veröffentlicht: (2025)

TadML: A fast temporal action detection with Mechanics-MLP
von: Deng, Bowen, et al.
Veröffentlicht: (2022)

Multimodal video analysis for crowd anomaly detection using open access tourism cameras
von: Dionis-Ros, Alejandro, et al.
Veröffentlicht: (2024)

Sequential keypoint density estimator: an overlooked baseline of skeleton-based video anomaly detection
von: Delić, Anja, et al.
Veröffentlicht: (2025)

Towards multi-modal forgery representation learning for AI-generated video detection and localization
von: Le, Dat, et al.
Veröffentlicht: (2026)

A multi-center analysis of deep learning methods for video polyp detection and segmentation
von: Ghatwary, Noha, et al.
Veröffentlicht: (2026)

Multimodal joint prediction of traffic spatial-temporal data with graph sparse attention mechanism and bidirectional temporal convolutional network
von: Zhang, Dongran, et al.
Veröffentlicht: (2024)

Does SpatioTemporal information benefit Two video summarization benchmarks?
von: Ganesh, Aashutosh, et al.
Veröffentlicht: (2024)

T-LEAP: Occlusion-robust pose estimation of walking cows using temporal information
von: Russello, Helena, et al.
Veröffentlicht: (2021)

Query matching for spatio-temporal action detection with query-based object detector
von: Hori, Shimon, et al.
Veröffentlicht: (2024)

Action tube generation by person query matching for spatio-temporal action detection
von: Omi, Kazuki, et al.
Veröffentlicht: (2025)

Faster than real-time detection of shot boundaries, sampling structure and dynamic keyframes in video
von: Fassold, Hannes
Veröffentlicht: (2025)

Leveraging Multi-Rater Annotations to Calibrate Object Detectors in Microscopy Imaging
von: Campi, Francesco, et al.
Veröffentlicht: (2026)

StreamTinyNet: video streaming analysis with spatial-temporal TinyML
von: Shalby, Hazem Hesham Yousef, et al.
Veröffentlicht: (2024)

Change detection needs change information: improving deep 3D point cloud change detection
von: de Gélis, Iris, et al.
Veröffentlicht: (2023)