Don't Look Twice: Faster Video Transformers with Run-Length Tokenization
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Choudhury, Rohan, Zhu, Guanglei, Liu, Sihan, Niinuma, Koichiro, Kitani, Kris M., Jeni, László |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
SkipSR: Faster Super Resolution with Token Skipping
par: Choudhury, Rohan, et autres
Publié: (2025)
par: Choudhury, Rohan, et autres
Publié: (2025)
Gaussian Splatting Lucas-Kanade
par: Xie, Liuyue, et autres
Publié: (2024)
par: Xie, Liuyue, et autres
Publié: (2024)
Accelerating Vision Transformers with Adaptive Patch Sizes
par: Choudhury, Rohan, et autres
Publié: (2025)
par: Choudhury, Rohan, et autres
Publié: (2025)
CoGS: Controllable Gaussian Splatting
par: Yu, Heng, et autres
Publié: (2023)
par: Yu, Heng, et autres
Publié: (2023)
GHOST: Grounded Human Motion Generation with Open Vocabulary Scene-and-Text Contexts
par: Milacski, Zoltán Á., et autres
Publié: (2024)
par: Milacski, Zoltán Á., et autres
Publié: (2024)
Occlusion Sensitivity Analysis with Augmentation Subspace Perturbation in Deep Feature Space
par: Valois, Pedro, et autres
Publié: (2023)
par: Valois, Pedro, et autres
Publié: (2023)
Don't Judge by the Look: Towards Motion Coherent Video Representation
par: Zhang, Yitian, et autres
Publié: (2024)
par: Zhang, Yitian, et autres
Publié: (2024)
Tokenizing Semantic Segmentation with Run Length Encoding
par: Singh, Abhineet, et autres
Publié: (2026)
par: Singh, Abhineet, et autres
Publié: (2026)
Don't Look into the Dark: Latent Codes for Pluralistic Image Inpainting
par: Chen, Haiwei, et autres
Publié: (2024)
par: Chen, Haiwei, et autres
Publié: (2024)
Multi-Object Tracking by Hierarchical Visual Representations
par: Cao, Jinkun, et autres
Publié: (2024)
par: Cao, Jinkun, et autres
Publié: (2024)
ExpertAF: Expert Actionable Feedback from Video
par: Ashutosh, Kumar, et autres
Publié: (2024)
par: Ashutosh, Kumar, et autres
Publié: (2024)
Scalable Dynamic Origin-Destination Demand Estimation Enhanced by High-Resolution Satellite Imagery Data
par: Liu, Jiachao, et autres
Publié: (2025)
par: Liu, Jiachao, et autres
Publié: (2025)
Joint Diffusion for Universal Hand-Object Grasp Generation
par: Cao, Jinkun, et autres
Publié: (2024)
par: Cao, Jinkun, et autres
Publié: (2024)
Don't Look at the Camera: Achieving Perceived Eye Contact
par: Gao, Alice, et autres
Publié: (2024)
par: Gao, Alice, et autres
Publié: (2024)
Harmony4D: A Video Dataset for In-The-Wild Close Human Interactions
par: Khirodkar, Rawal, et autres
Publié: (2024)
par: Khirodkar, Rawal, et autres
Publié: (2024)
G-HOP: Generative Hand-Object Prior for Interaction Reconstruction and Grasp Synthesis
par: Ye, Yufei, et autres
Publié: (2024)
par: Ye, Yufei, et autres
Publié: (2024)
CacheFlow: Fast Human Motion Prediction by Cached Normalizing Flow
par: Maeda, Takahiro, et autres
Publié: (2025)
par: Maeda, Takahiro, et autres
Publié: (2025)
Vision Transformers Don't Need Trained Registers
par: Jiang, Nick, et autres
Publié: (2025)
par: Jiang, Nick, et autres
Publié: (2025)
Don't Just Chase "Highlighted Tokens" in MLLMs: Revisiting Visual Holistic Context Retention
par: Zou, Xin, et autres
Publié: (2025)
par: Zou, Xin, et autres
Publié: (2025)
DiSRT-In-Bed: Diffusion-Based Sim-to-Real Transfer Framework for In-Bed Human Mesh Recovery
par: Gao, Jing, et autres
Publié: (2025)
par: Gao, Jing, et autres
Publié: (2025)
Adaptive Caching for Faster Video Generation with Diffusion Transformers
par: Kahatapitiya, Kumara, et autres
Publié: (2024)
par: Kahatapitiya, Kumara, et autres
Publié: (2024)
OnlineHMR: Video-based Online World-Grounded Human Mesh Recovery
par: Zhao, Yiwen, et autres
Publié: (2026)
par: Zhao, Yiwen, et autres
Publié: (2026)
REST3D: Reconstructing Physically Stable 3D Scenes from a Single Image
par: Ma, Xiaoxuan, et autres
Publié: (2026)
par: Ma, Xiaoxuan, et autres
Publié: (2026)
MGF: Mixed Gaussian Flow for Diverse Trajectory Prediction
par: Chen, Jiahe, et autres
Publié: (2024)
par: Chen, Jiahe, et autres
Publié: (2024)
Generalizable Neural Human Renderer
par: Masuda, Mana, et autres
Publié: (2024)
par: Masuda, Mana, et autres
Publié: (2024)
VideoAuto-R1: Video Auto Reasoning via Thinking Once, Answering Twice
par: Liu, Shuming, et autres
Publié: (2026)
par: Liu, Shuming, et autres
Publié: (2026)
Propose, Assess, Search: Harnessing LLMs for Goal-Oriented Planning in Instructional Videos
par: Islam, Md Mohaiminul, et autres
Publié: (2024)
par: Islam, Md Mohaiminul, et autres
Publié: (2024)
3D-LFM: Lifting Foundation Model
par: Dabhi, Mosam, et autres
Publié: (2023)
par: Dabhi, Mosam, et autres
Publié: (2023)
EVATok: Adaptive Length Video Tokenization for Efficient Visual Autoregressive Generation
par: Xiong, Tianwei, et autres
Publié: (2026)
par: Xiong, Tianwei, et autres
Publié: (2026)
Multi-Person 3D Pose Estimation from Multi-View Uncalibrated Depth Cameras
par: Li, Yu-Jhe, et autres
Publié: (2024)
par: Li, Yu-Jhe, et autres
Publié: (2024)
NeIn: Telling What You Don't Want
par: Bui, Nhat-Tan, et autres
Publié: (2024)
par: Bui, Nhat-Tan, et autres
Publié: (2024)
Unified Spherical Frontend: Learning Rotation-Equivariant Representations of Spherical Images from Any Camera
par: Yu, Mukai, et autres
Publié: (2025)
par: Yu, Mukai, et autres
Publié: (2025)
Don't Let the Video Speak: Audio-Contrastive Preference Optimization for Audio-Visual Language Models
par: Baid, Ami, et autres
Publié: (2026)
par: Baid, Ami, et autres
Publié: (2026)
RIFLEx: A Free Lunch for Length Extrapolation in Video Diffusion Transformers
par: Zhao, Min, et autres
Publié: (2025)
par: Zhao, Min, et autres
Publié: (2025)
Efficient Video Sampling: Pruning Temporally Redundant Tokens for Faster VLM Inference
par: Bagrov, Natan, et autres
Publié: (2025)
par: Bagrov, Natan, et autres
Publié: (2025)
DyaDiT: A Multi-Modal Diffusion Transformer for Socially Favorable Dyadic Gesture Generation
par: Peng, Yichen, et autres
Publié: (2026)
par: Peng, Yichen, et autres
Publié: (2026)
Don't let the information slip away
par: Li, Taozhe, et autres
Publié: (2026)
par: Li, Taozhe, et autres
Publié: (2026)
S2GO: Streaming Sparse Gaussian Occupancy Prediction
par: Park, Jinhyung, et autres
Publié: (2025)
par: Park, Jinhyung, et autres
Publié: (2025)
Show, Don't Tell: Detecting Novel Objects by Watching Human Videos
par: Akl, James, et autres
Publié: (2026)
par: Akl, James, et autres
Publié: (2026)
Unlocking Exocentric Video-Language Data for Egocentric Video Representation Learning
par: Dou, Zi-Yi, et autres
Publié: (2024)
par: Dou, Zi-Yi, et autres
Publié: (2024)
Documents similaires
-
SkipSR: Faster Super Resolution with Token Skipping
par: Choudhury, Rohan, et autres
Publié: (2025) -
Gaussian Splatting Lucas-Kanade
par: Xie, Liuyue, et autres
Publié: (2024) -
Accelerating Vision Transformers with Adaptive Patch Sizes
par: Choudhury, Rohan, et autres
Publié: (2025) -
CoGS: Controllable Gaussian Splatting
par: Yu, Heng, et autres
Publié: (2023) -
GHOST: Grounded Human Motion Generation with Open Vocabulary Scene-and-Text Contexts
par: Milacski, Zoltán Á., et autres
Publié: (2024)