Buchumschlag

SAM2Point: Segment Any 3D as Videos in Zero-shot and Promptable Manners

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guo, Ziyu, Zhang, Renrui, Zhu, Xiangyang, Tong, Chengzhuo, Gao, Peng, Li, Chunyuan, Heng, Pheng-Ann
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Delving into RL for Image Generation with CoT: A Study on DPO vs. GRPO
von: Tong, Chengzhuo, et al.
Veröffentlicht: (2025)

Can We Generate Images with CoT? Let's Verify and Reinforce Image Generation Step by Step
von: Guo, Ziyu, et al.
Veröffentlicht: (2025)

Are Video Models Ready as Zero-Shot Reasoners? An Empirical Study with the MME-CoF Benchmark
von: Guo, Ziyu, et al.
Veröffentlicht: (2025)

ATLAS: Agentic or Latent Visual Reasoning? One Word is Enough for Both
von: Guo, Ziyu, et al.
Veröffentlicht: (2026)

Thinking-while-Generating: Interleaving Textual Reasoning throughout Visual Generation
von: Guo, Ziyu, et al.
Veröffentlicht: (2025)

No Time to Train: Empowering Non-Parametric Networks for Few-shot 3D Scene Segmentation
von: Zhu, Xiangyang, et al.
Veröffentlicht: (2024)

T2I-R1: Reinforcing Image Generation with Collaborative Semantic-level and Token-level CoT
von: Jiang, Dongzhi, et al.
Veröffentlicht: (2025)

Point-SAM: Promptable 3D Segmentation Model for Point Clouds
von: Zhou, Yuchen, et al.
Veröffentlicht: (2024)

SciVerse: Unveiling the Knowledge Comprehension and Visual Reasoning of LMMs on Multi-modal Scientific Problems
von: Guo, Ziyu, et al.
Veröffentlicht: (2025)

LLaVA-NeXT-Interleave: Tackling Multi-image, Video, and 3D in Large Multimodal Models
von: Li, Feng, et al.
Veröffentlicht: (2024)

Adaptive Classifier-Free Guidance via Dynamic Low-Confidence Masking
von: Li, Pengxiang, et al.
Veröffentlicht: (2025)

Point Cloud Understanding via Attention-Driven Contrastive Learning
von: Wang, Yi, et al.
Veröffentlicht: (2024)

PointAD: Comprehending 3D Anomalies from Points and Pixels for Zero-shot 3D Anomaly Detection
von: Zhou, Qihang, et al.
Veröffentlicht: (2024)

Automated Safety Benchmarking: A Multi-agent Pipeline for LVLMs
von: Zhu, Xiangyang, et al.
Veröffentlicht: (2026)

Promptable Anomaly Segmentation with SAM Through Self-Perception Tuning
von: Yang, Hui-Yue, et al.
Veröffentlicht: (2024)

Any2Point: Empowering Any-modality Large Models for Efficient 3D Understanding
von: Tang, Yiwen, et al.
Veröffentlicht: (2024)

Political DEBATE: Efficient Zero-shot and Few-shot Classifiers for Political Text
von: Burnham, Michael, et al.
Veröffentlicht: (2024)

MM-Mixing: Multi-Modal Mixing Alignment for 3D Understanding
von: Wang, Jiaze, et al.
Veröffentlicht: (2024)

Exploiting GPT-4 Vision for Zero-shot Point Cloud Understanding
von: Sun, Qi, et al.
Veröffentlicht: (2024)

Zero-Shot Refinement of Buildings' Segmentation Models using SAM
von: Mayladan, Ali, et al.
Veröffentlicht: (2023)

Unveiling the Generalization Power of Fine-Tuned Large Language Models
von: Yang, Haoran, et al.
Veröffentlicht: (2024)

Masked Point-Entity Contrast for Open-Vocabulary 3D Scene Understanding
von: Wang, Yan, et al.
Veröffentlicht: (2025)

Domain-Hierarchy Adaptation via Chain of Iterative Reasoning for Few-shot Hierarchical Text Classification
von: Ji, Ke, et al.
Veröffentlicht: (2024)

PARM: Pipeline-Adapted Reward Model
von: Fan, Xingyu, et al.
Veröffentlicht: (2026)

Learning to Describe for Predicting Zero-shot Drug-Drug Interactions
von: Zhu, Fangqi, et al.
Veröffentlicht: (2024)

MMSearch: Benchmarking the Potential of Large Models as Multi-modal Search Engines
von: Jiang, Dongzhi, et al.
Veröffentlicht: (2024)

Highlighting What Matters: Promptable Embeddings for Attribute-Focused Image Retrieval
von: Li, Siting, et al.
Veröffentlicht: (2025)

VideoSAM: Open-World Video Segmentation
von: Guo, Pinxue, et al.
Veröffentlicht: (2024)

QANA: LLM-based Question Generation and Network Analysis for Zero-shot Key Point Analysis and Beyond
von: Fukuma, Tomoki, et al.
Veröffentlicht: (2024)

SAM-I2V: Upgrading SAM to Support Promptable Video Segmentation with Less than 0.2% Training Cost
von: Mei, Haiyang, et al.
Veröffentlicht: (2025)

ProMISe: Promptable Medical Image Segmentation using SAM
von: Wang, Jinfeng, et al.
Veröffentlicht: (2024)

T3: A Novel Zero-shot Transfer Learning Framework Iteratively Training on an Assistant Task for a Target Task
von: Tong, Xindi, et al.
Veröffentlicht: (2024)

PartSAM: A Scalable Promptable Part Segmentation Model Trained on Native 3D Data
von: Zhu, Zhe, et al.
Veröffentlicht: (2025)

Overcoming Support Dilution for Robust Few-shot Semantic Segmentation
von: Tang, Wailing, et al.
Veröffentlicht: (2025)

X2SAM: Any Segmentation in Images and Videos
von: Wang, Hao, et al.
Veröffentlicht: (2026)

MV-SAM: Multi-view Promptable Segmentation using Pointmap Guidance
von: Jeong, Yoonwoo, et al.
Veröffentlicht: (2026)

CLIP-Guided SAM: Parameter-Efficient Semantic Conditioning for Promptable Segmentation
von: Jalilian, Shayan, et al.
Veröffentlicht: (2026)

Insight Any Instance: Promptable Instance Segmentation for Remote Sensing Images
von: Li, Xuexue
Veröffentlicht: (2024)

DeID-GPT: Zero-shot Medical Text De-Identification by GPT-4
von: Liu, Zhengliang, et al.
Veröffentlicht: (2023)

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