Buchumschlag

Video2BEV: Transforming Drone Videos to BEVs for Video-based Geo-localization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ju, Hao, Huang, Shaofei, Liu, Si, Zheng, Zhedong
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

From Instruction to Event: Sound-Triggered Mobile Manipulation
von: Ju, Hao, et al.
Veröffentlicht: (2026)

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

Pretrain-then-Adapt: Uncertainty-Aware Test-Time Adaptation for Text-based Person Search
von: Zhang, Jiahao, et al.
Veröffentlicht: (2026)

Road Maps as Free Geometric Priors: Weather-Invariant Drone Geo-Localization with GeoFuse
von: Fang, Yunsong, et al.
Veröffentlicht: (2026)

WeatherPrompt: Multi-modality Representation Learning for All-Weather Drone Visual Geo-Localization
von: Wen, Jiahao, et al.
Veröffentlicht: (2025)

Can Video Diffusion Models Predict Past Frames? Bidirectional Cycle Consistency for Reversible Interpolation
von: Liu, Lingyu, et al.
Veröffentlicht: (2026)

AnomalyLMM: Bridging Generative Knowledge and Discriminative Retrieval for Text-Based Person Anomaly Search
von: Ju, Hao, et al.
Veröffentlicht: (2025)

RepVideo: Rethinking Cross-Layer Representation for Video Generation
von: Si, Chenyang, et al.
Veröffentlicht: (2025)

Unleashing the Temporal-Spatial Reasoning Capacity of GPT for Training-Free Audio and Language Referenced Video Object Segmentation
von: Huang, Shaofei, et al.
Veröffentlicht: (2024)

Video Individual Counting for Moving Drones
von: Fan, Yaowu, et al.
Veröffentlicht: (2025)

Steering Video Diffusion Transformers with Massive Activations
von: Cheng, Xianhang, et al.
Veröffentlicht: (2026)

GeoVideo: Introducing Geometric Regularization into Video Generation Model
von: Bai, Yunpeng, et al.
Veröffentlicht: (2025)

Learning Camera Movement Control from Real-World Drone Videos
von: Hou, Yunzhong, et al.
Veröffentlicht: (2024)

Towards Natural Language-Guided Drones: GeoText-1652 Benchmark with Spatial Relation Matching
von: Chu, Meng, et al.
Veröffentlicht: (2023)

CogVideoX: Text-to-Video Diffusion Models with An Expert Transformer
von: Yang, Zhuoyi, et al.
Veröffentlicht: (2024)

EraserDiT: Fast Video Inpainting with Diffusion Transformer Model
von: Liu, Jie, et al.
Veröffentlicht: (2025)

Sali4Vid: Saliency-Aware Video Reweighting and Adaptive Caption Retrieval for Dense Video Captioning
von: Jeon, MinJu, et al.
Veröffentlicht: (2025)

Scale-adaptive UAV Geo-localization via Height-aware Partition Learning
von: Chen, Quan, et al.
Veröffentlicht: (2024)

Mask$^2$DiT: Dual Mask-based Diffusion Transformer for Multi-Scene Long Video Generation
von: Qi, Tianhao, et al.
Veröffentlicht: (2025)

VideoHandles: Editing 3D Object Compositions in Videos Using Video Generative Priors
von: Koo, Juil, et al.
Veröffentlicht: (2025)

WidthFormer: Toward Efficient Transformer-based BEV View Transformation
von: Yang, Chenhongyi, et al.
Veröffentlicht: (2024)

S2DiT: Sandwich Diffusion Transformer for Mobile Streaming Video Generation
von: Zhao, Lin, et al.
Veröffentlicht: (2026)

MagicMirror: ID-Preserved Video Generation in Video Diffusion Transformers
von: Zhang, Yuechen, et al.
Veröffentlicht: (2025)

AVD2: Accident Video Diffusion for Accident Video Description
von: Li, Cheng, et al.
Veröffentlicht: (2025)

V-STaR: Benchmarking Video-LLMs on Video Spatio-Temporal Reasoning
von: Cheng, Zixu, et al.
Veröffentlicht: (2025)

Towards Online Real-Time Memory-based Video Inpainting Transformers
von: Thiry, Guillaume, et al.
Veröffentlicht: (2024)

VideoGen-Eval: Agent-based System for Video Generation Evaluation
von: Yang, Yuhang, et al.
Veröffentlicht: (2025)

Spatial-Conditioned Reasoning in Long-Egocentric Videos
von: Tribble, James, et al.
Veröffentlicht: (2026)

Lighting-grounded Video Generation with Renderer-based Agent Reasoning
von: Cai, Ziqi, et al.
Veröffentlicht: (2026)

FastVideoEdit: Leveraging Consistency Models for Efficient Text-to-Video Editing
von: Zhang, Youyuan, et al.
Veröffentlicht: (2024)

MSAM: Multi-Semantic Adaptive Mining for Cross-Modal Drone Video-Text Retrieval
von: Huang, Jinghao, et al.
Veröffentlicht: (2025)

2nd Place Solution for PVUW Challenge 2024: Video Panoptic Segmentation
von: Wu, Biao, et al.
Veröffentlicht: (2024)

TDViT: Temporal Dilated Video Transformer for Dense Video Tasks
von: Sun, Guanxiong, et al.
Veröffentlicht: (2024)

Video Streaming Thinking: VideoLLMs Can Watch and Think Simultaneously
von: Guan, Yiran, et al.
Veröffentlicht: (2026)

Señorita-2M: A High-Quality Instruction-based Dataset for General Video Editing by Video Specialists
von: Zi, Bojia, et al.
Veröffentlicht: (2025)

I2VEdit: First-Frame-Guided Video Editing via Image-to-Video Diffusion Models
von: Ouyang, Wenqi, et al.
Veröffentlicht: (2024)

Beyond Few-Step Inference: Accelerating Video Diffusion Transformer Model Serving with Inter-Request Caching Reuse
von: Liu, Hao, et al.
Veröffentlicht: (2026)

Omni-Video: Democratizing Unified Video Understanding and Generation
von: Tan, Zhiyu, et al.
Veröffentlicht: (2025)

Geometric Transformation-Embedded Mamba for Learned Video Compression
von: Wei, Hao, et al.
Veröffentlicht: (2026)

FreeInit: Bridging Initialization Gap in Video Diffusion Models
von: Wu, Tianxing, et al.
Veröffentlicht: (2023)