Buchumschlag

Depth Any Video with Scalable Synthetic Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Honghui, Huang, Di, Yin, Wei, Shen, Chunhua, Liu, Haifeng, He, Xiaofei, Lin, Binbin, Ouyang, Wanli, He, Tong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

UniPAD: A Universal Pre-training Paradigm for Autonomous Driving
von: Yang, Honghui, et al.
Veröffentlicht: (2023)

PonderV2: Pave the Way for 3D Foundation Model with A Universal Pre-training Paradigm
von: Zhu, Haoyi, et al.
Veröffentlicht: (2023)

NeRF-Det++: Incorporating Semantic Cues and Perspective-aware Depth Supervision for Indoor Multi-View 3D Detection
von: Huang, Chenxi, et al.
Veröffentlicht: (2024)

Where Am I and What Will I See: An Auto-Regressive Model for Spatial Localization and View Prediction
von: Chen, Junyi, et al.
Veröffentlicht: (2024)

DATAP-SfM: Dynamic-Aware Tracking Any Point for Robust Structure from Motion in the Wild
von: Ye, Weicai, et al.
Veröffentlicht: (2024)

TASeg: Temporal Aggregation Network for LiDAR Semantic Segmentation
von: Wu, Xiaopei, et al.
Veröffentlicht: (2024)

Geo-Align: Video Generation Alignment via Metric Geometry Reward
von: Li, Zizun, et al.
Veröffentlicht: (2026)

DA$^{2}$: Depth Anything in Any Direction
von: Li, Haodong, et al.
Veröffentlicht: (2025)

Any-to-Bokeh: Arbitrary-Subject Video Refocusing with Video Diffusion Model
von: Yang, Yang, et al.
Veröffentlicht: (2025)

Agent3D-Zero: An Agent for Zero-shot 3D Understanding
von: Zhang, Sha, et al.
Veröffentlicht: (2024)

NeuRodin: A Two-stage Framework for High-Fidelity Neural Surface Reconstruction
von: Wang, Yifan, et al.
Veröffentlicht: (2024)

Semi-supervised 3D Object Detection with PatchTeacher and PillarMix
von: Wu, Xiaopei, et al.
Veröffentlicht: (2024)

GVGEN: Text-to-3D Generation with Volumetric Representation
von: He, Xianglong, et al.
Veröffentlicht: (2024)

Transparent Object Depth Completion
von: Zhou, Yifan, et al.
Veröffentlicht: (2024)

Holistic-Motion2D: Scalable Whole-body Human Motion Generation in 2D Space
von: Wang, Yuan, et al.
Veröffentlicht: (2024)

Distill Any Depth: Distillation Creates a Stronger Monocular Depth Estimator
von: He, Xiankang, et al.
Veröffentlicht: (2025)

A CLIP-Powered Framework for Robust and Generalizable Data Selection
von: Yang, Suorong, et al.
Veröffentlicht: (2024)

Depth Anything at Any Condition
von: Sun, Boyuan, et al.
Veröffentlicht: (2025)

Depth Anything with Any Prior
von: Wang, Zehan, et al.
Veröffentlicht: (2025)

Adapt2Reward: Adapting Video-Language Models to Generalizable Robotic Rewards via Failure Prompts
von: Yang, Yanting, et al.
Veröffentlicht: (2024)

Adapter-X: A Novel General Parameter-Efficient Fine-Tuning Framework for Vision
von: Li, Minglei, et al.
Veröffentlicht: (2024)

Depth Any Panoramas: A Foundation Model for Panoramic Depth Estimation
von: Lin, Xin, et al.
Veröffentlicht: (2025)

Point Cloud Matters: Rethinking the Impact of Different Observation Spaces on Robot Learning
von: Zhu, Haoyi, et al.
Veröffentlicht: (2024)

PredBench: Benchmarking Spatio-Temporal Prediction across Diverse Disciplines
von: Wang, ZiDong, et al.
Veröffentlicht: (2024)

EMR-Merging: Tuning-Free High-Performance Model Merging
von: Huang, Chenyu, et al.
Veröffentlicht: (2024)

GigaGS: Scaling up Planar-Based 3D Gaussians for Large Scene Surface Reconstruction
von: Chen, Junyi, et al.
Veröffentlicht: (2024)

SwapAnyone: Consistent and Realistic Video Synthesis for Swapping Any Person into Any Video
von: Zhao, Chengshu, et al.
Veröffentlicht: (2025)

AnyDepth: Depth Estimation Made Easy
von: Ren, Zeyu, et al.
Veröffentlicht: (2026)

Dereflection Any Image with Diffusion Priors and Diversified Data
von: Hu, Jichen, et al.
Veröffentlicht: (2025)

Gaussian Difference: Find Any Change Instance in 3D Scenes
von: Jiang, Binbin, et al.
Veröffentlicht: (2025)

MeshCraft: Exploring Efficient and Controllable Mesh Generation with Flow-based DiTs
von: He, Xianglong, et al.
Veröffentlicht: (2025)

OBMO: One Bounding Box Multiple Objects for Monocular 3D Object Detection
von: Huang, Chenxi, et al.
Veröffentlicht: (2022)

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

Depth Any Camera: Zero-Shot Metric Depth Estimation from Any Camera
von: Guo, Yuliang, et al.
Veröffentlicht: (2025)

BRIDGE -- Building Reinforcement-Learning Depth-to-Image Data Generation Engine for Monocular Depth Estimation
von: Liu, Dingning, et al.
Veröffentlicht: (2025)

Distinguish Any Fake Videos: Unleashing the Power of Large-scale Data and Motion Features
von: Ji, Lichuan, et al.
Veröffentlicht: (2024)

KiToke: Kernel-based Interval-aware Token Compression for Video Large Language Models
von: Huang, Haifeng, et al.
Veröffentlicht: (2026)

Place Anything into Any Video
von: Liu, Ziling, et al.
Veröffentlicht: (2024)

Segment Any Motion in Videos
von: Huang, Nan, et al.
Veröffentlicht: (2025)

AnySynth: Harnessing the Power of Image Synthetic Data Generation for Generalized Vision-Language Tasks
von: Li, You, et al.
Veröffentlicht: (2024)