Adaptive Video Understanding Agent: Enhancing efficiency with dynamic frame sampling and feedback-driven reasoning
Fuente:
arXiv
Salvato in:
| Autori principali: | Jeoung, Sullam, Huybrechts, Goeric, Ganesh, Bhavana, Galstyan, Aram, Bodapati, Sravan |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
SeRA: Self-Reviewing and Alignment of Large Language Models using Implicit Reward Margins
di: Ko, Jongwoo, et al.
Pubblicazione: (2024)
di: Ko, Jongwoo, et al.
Pubblicazione: (2024)
Document Haystack: A Long Context Multimodal Image/Document Understanding Vision LLM Benchmark
di: Huybrechts, Goeric, et al.
Pubblicazione: (2025)
di: Huybrechts, Goeric, et al.
Pubblicazione: (2025)
Making Sense Of Distributed Representations With Activation Spectroscopy
di: Reing, Kyle, et al.
Pubblicazione: (2025)
di: Reing, Kyle, et al.
Pubblicazione: (2025)
Accelerated Test-Time Scaling with Model-Free Speculative Sampling
di: Song, Woomin, et al.
Pubblicazione: (2025)
di: Song, Woomin, et al.
Pubblicazione: (2025)
DCTX-Conformer: Dynamic context carry-over for low latency unified streaming and non-streaming Conformer ASR
di: Huybrechts, Goeric, et al.
Pubblicazione: (2023)
di: Huybrechts, Goeric, et al.
Pubblicazione: (2023)
Improving Video Question Answering through query-based frame selection
di: Patil, Himanshu, et al.
Pubblicazione: (2026)
di: Patil, Himanshu, et al.
Pubblicazione: (2026)
VideoMem: Enhancing Ultra-Long Video Understanding via Adaptive Memory Management
di: Jin, Hongbo, et al.
Pubblicazione: (2025)
di: Jin, Hongbo, et al.
Pubblicazione: (2025)
IBVC: Interpolation-driven B-frame Video Compression
di: Xu, Chenming, et al.
Pubblicazione: (2023)
di: Xu, Chenming, et al.
Pubblicazione: (2023)
VideoAgent2: Enhancing the LLM-Based Agent System for Long-Form Video Understanding by Uncertainty-Aware CoT
di: Zhi, Zhuo, et al.
Pubblicazione: (2025)
di: Zhi, Zhuo, et al.
Pubblicazione: (2025)
VideoAgent: A Memory-augmented Multimodal Agent for Video Understanding
di: Fan, Yue, et al.
Pubblicazione: (2024)
di: Fan, Yue, et al.
Pubblicazione: (2024)
Learning Morphisms with Gauss-Newton Approximation for Growing Networks
di: Lawton, Neal, et al.
Pubblicazione: (2024)
di: Lawton, Neal, et al.
Pubblicazione: (2024)
Memory-efficient Streaming VideoLLMs for Real-time Procedural Video Understanding
di: Chatterjee, Dibyadip, et al.
Pubblicazione: (2025)
di: Chatterjee, Dibyadip, et al.
Pubblicazione: (2025)
FineQuest: Adaptive Knowledge-Assisted Sports Video Understanding via Agent-of-Thoughts Reasoning
di: Chen, Haodong, et al.
Pubblicazione: (2025)
di: Chen, Haodong, et al.
Pubblicazione: (2025)
Mind the GAP: Glimpse-based Active Perception improves generalization and sample efficiency of visual reasoning
di: Kolner, Oleh, et al.
Pubblicazione: (2024)
di: Kolner, Oleh, et al.
Pubblicazione: (2024)
VideoPro: Adaptive Program Reasoning for Long Video Understanding
di: Li, Chenglin, et al.
Pubblicazione: (2025)
di: Li, Chenglin, et al.
Pubblicazione: (2025)
Appearance Debiased Gaze Estimation via Stochastic Subject-Wise Adversarial Learning
di: Kim, Suneung, et al.
Pubblicazione: (2024)
di: Kim, Suneung, et al.
Pubblicazione: (2024)
EventMemAgent: Hierarchical Event-Centric Memory for Online Video Understanding with Adaptive Tool Use
di: Wen, Siwei, et al.
Pubblicazione: (2026)
di: Wen, Siwei, et al.
Pubblicazione: (2026)
StreamAgent: Towards Anticipatory Agents for Streaming Video Understanding
di: Yang, Haolin, et al.
Pubblicazione: (2025)
di: Yang, Haolin, et al.
Pubblicazione: (2025)
Illuminating Salient Contributions in Neuron Activation with Attribution Equilibrium
di: Nam, Woo-Jeoung, et al.
Pubblicazione: (2022)
di: Nam, Woo-Jeoung, et al.
Pubblicazione: (2022)
Video-based Surgical Tool-tip and Keypoint Tracking using Multi-frame Context-driven Deep Learning Models
di: Ghanekar, Bhargav, et al.
Pubblicazione: (2025)
di: Ghanekar, Bhargav, et al.
Pubblicazione: (2025)
Extending Video Masked Autoencoders to 128 frames
di: Gundavarapu, Nitesh Bharadwaj, et al.
Pubblicazione: (2024)
di: Gundavarapu, Nitesh Bharadwaj, et al.
Pubblicazione: (2024)
VideoGPT+: Integrating Image and Video Encoders for Enhanced Video Understanding
di: Maaz, Muhammad, et al.
Pubblicazione: (2024)
di: Maaz, Muhammad, et al.
Pubblicazione: (2024)
Progressive Video Condensation with MLLM Agent for Long-form Video Understanding
di: Yin, Yufei, et al.
Pubblicazione: (2026)
di: Yin, Yufei, et al.
Pubblicazione: (2026)
CAGE: Unsupervised Visual Composition and Animation for Controllable Video Generation
di: Davtyan, Aram, et al.
Pubblicazione: (2024)
di: Davtyan, Aram, et al.
Pubblicazione: (2024)
EEA: Exploration-Exploitation Agent for Long Video Understanding
di: Yang, Te, et al.
Pubblicazione: (2025)
di: Yang, Te, et al.
Pubblicazione: (2025)
Active Perception Agent for Omnimodal Audio-Video Understanding
di: Tao, Keda, et al.
Pubblicazione: (2025)
di: Tao, Keda, et al.
Pubblicazione: (2025)
UCVC: A Unified Contextual Video Compression Framework with Joint P-frame and B-frame Coding
di: Yang, Jiayu, et al.
Pubblicazione: (2024)
di: Yang, Jiayu, et al.
Pubblicazione: (2024)
Learn the Force We Can: Enabling Sparse Motion Control in Multi-Object Video Generation
di: Davtyan, Aram, et al.
Pubblicazione: (2023)
di: Davtyan, Aram, et al.
Pubblicazione: (2023)
KFFocus: Highlighting Keyframes for Enhanced Video Understanding
di: Nie, Ming, et al.
Pubblicazione: (2025)
di: Nie, Ming, et al.
Pubblicazione: (2025)
AdaSpark: Adaptive Sparsity for Efficient Long-Video Understanding
di: Li, Handong, et al.
Pubblicazione: (2026)
di: Li, Handong, et al.
Pubblicazione: (2026)
AdaVideoRAG: Omni-Contextual Adaptive Retrieval-Augmented Efficient Long Video Understanding
di: Xue, Zhucun, et al.
Pubblicazione: (2025)
di: Xue, Zhucun, et al.
Pubblicazione: (2025)
VCA: Video Curious Agent for Long Video Understanding
di: Yang, Zeyuan, et al.
Pubblicazione: (2024)
di: Yang, Zeyuan, et al.
Pubblicazione: (2024)
ReAgent-V: A Reward-Driven Multi-Agent Framework for Video Understanding
di: Zhou, Yiyang, et al.
Pubblicazione: (2025)
di: Zhou, Yiyang, et al.
Pubblicazione: (2025)
Hierarchical B-frame Video Coding for Long Group of Pictures
di: Kirillov, Ivan, et al.
Pubblicazione: (2024)
di: Kirillov, Ivan, et al.
Pubblicazione: (2024)
LongVU: Spatiotemporal Adaptive Compression for Long Video-Language Understanding
di: Shen, Xiaoqian, et al.
Pubblicazione: (2024)
di: Shen, Xiaoqian, et al.
Pubblicazione: (2024)
Ego-VPA: Egocentric Video Understanding with Parameter-efficient Adaptation
di: Wu, Tz-Ying, et al.
Pubblicazione: (2024)
di: Wu, Tz-Ying, et al.
Pubblicazione: (2024)
A Benchmark and Multi-Agent System for Instruction-driven Cinematic Video Compilation
di: Zhang, Peixuan, et al.
Pubblicazione: (2026)
di: Zhang, Peixuan, et al.
Pubblicazione: (2026)
Scaling Video Understanding via Compact Latent Multi-Agent Collaboration
di: Chen, Kerui, et al.
Pubblicazione: (2026)
di: Chen, Kerui, et al.
Pubblicazione: (2026)
FancyVideo: Towards Dynamic and Consistent Video Generation via Cross-frame Textual Guidance
di: Feng, Jiasong, et al.
Pubblicazione: (2024)
di: Feng, Jiasong, et al.
Pubblicazione: (2024)
Wanda++: Pruning Large Language Models via Regional Gradients
di: Yang, Yifan, et al.
Pubblicazione: (2025)
di: Yang, Yifan, et al.
Pubblicazione: (2025)
Documenti analoghi
-
SeRA: Self-Reviewing and Alignment of Large Language Models using Implicit Reward Margins
di: Ko, Jongwoo, et al.
Pubblicazione: (2024) -
Document Haystack: A Long Context Multimodal Image/Document Understanding Vision LLM Benchmark
di: Huybrechts, Goeric, et al.
Pubblicazione: (2025) -
Making Sense Of Distributed Representations With Activation Spectroscopy
di: Reing, Kyle, et al.
Pubblicazione: (2025) -
Accelerated Test-Time Scaling with Model-Free Speculative Sampling
di: Song, Woomin, et al.
Pubblicazione: (2025) -
DCTX-Conformer: Dynamic context carry-over for low latency unified streaming and non-streaming Conformer ASR
di: Huybrechts, Goeric, et al.
Pubblicazione: (2023)