Copertina

TimeRefine: Temporal Grounding with Time Refining Video LLM

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wang, Xizi, Cheng, Feng, Wang, Ziyang, Wang, Huiyu, Islam, Md Mohaiminul, Torresani, Lorenzo, Bansal, Mohit, Bertasius, Gedas, Crandall, David
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence Computation and Language
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

BIMBA: Selective-Scan Compression for Long-Range Video Question Answering
di: Islam, Md Mohaiminul, et al.
Pubblicazione: (2025)

Video-RTS: Rethinking Reinforcement Learning and Test-Time Scaling for Efficient and Enhanced Video Reasoning
di: Wang, Ziyang, et al.
Pubblicazione: (2025)

LoCoNet: Long-Short Context Network for Active Speaker Detection
di: Wang, Xizi, et al.
Pubblicazione: (2023)

A Simple LLM Framework for Long-Range Video Question-Answering
di: Zhang, Ce, et al.
Pubblicazione: (2023)

ReVisionLLM: Recursive Vision-Language Model for Temporal Grounding in Hour-Long Videos
di: Hannan, Tanveer, et al.
Pubblicazione: (2024)

Video ReCap: Recursive Captioning of Hour-Long Videos
di: Islam, Md Mohaiminul, et al.
Pubblicazione: (2024)

RGNet: A Unified Clip Retrieval and Grounding Network for Long Videos
di: Hannan, Tanveer, et al.
Pubblicazione: (2023)

SVI-Bench: A Dynamic Microworld for Strategic Video Intelligence
di: Pan, Yulu, et al.
Pubblicazione: (2026)

VideoTree: Adaptive Tree-based Video Representation for LLM Reasoning on Long Videos
di: Wang, Ziyang, et al.
Pubblicazione: (2024)

SiLVR: A Simple Language-based Video Reasoning Framework
di: Zhang, Ce, et al.
Pubblicazione: (2025)

DAM: Dynamic Adapter Merging for Continual Video QA Learning
di: Cheng, Feng, et al.
Pubblicazione: (2024)

Propose, Assess, Search: Harnessing LLMs for Goal-Oriented Planning in Instructional Videos
di: Islam, Md Mohaiminul, et al.
Pubblicazione: (2024)

EgoMemReason: A Memory-Driven Reasoning Benchmark for Long-Horizon Egocentric Video Understanding
di: Wang, Ziyang, et al.
Pubblicazione: (2026)

EvoGround: Self-Evolving Video Agents for Video Temporal Grounding
di: Jung, Minjoon, et al.
Pubblicazione: (2026)

TimeBlind: A Spatio-Temporal Compositionality Benchmark for Video LLMs
di: Li, Baiqi, et al.
Pubblicazione: (2026)

BASKET: A Large-Scale Video Dataset for Fine-Grained Skill Estimation
di: Pan, Yulu, et al.
Pubblicazione: (2025)

Sequence-Based Identification of First-Person Camera Wearers in Third-Person Views
di: Zhao, Ziwei, et al.
Pubblicazione: (2025)

ReAgent-V: A Reward-Driven Multi-Agent Framework for Video Understanding
di: Zhou, Yiyang, et al.
Pubblicazione: (2025)

TeDiO: Temporal Diagonal Optimization for Training-Free Coherent Video Diffusion
di: Tursynbek, Nurislam, et al.
Pubblicazione: (2026)

Self-Correcting Text-to-Video Generation with Misalignment Detection and Localized Refinement
di: Lee, Daeun, et al.
Pubblicazione: (2024)

VITED: Video Temporal Evidence Distillation
di: Lu, Yujie, et al.
Pubblicazione: (2025)

RECIPE: Procedural Planning via Grounding in Instructional Video
di: Seminara, Luigi, et al.
Pubblicazione: (2026)

Siamese Vision Transformers are Scalable Audio-visual Learners
di: Lin, Yan-Bo, et al.
Pubblicazione: (2024)

Enrich and Detect: Video Temporal Grounding with Multimodal LLMs
di: Pramanick, Shraman, et al.
Pubblicazione: (2025)

VMAS: Video-to-Music Generation via Semantic Alignment in Web Music Videos
di: Lin, Yan-Bo, et al.
Pubblicazione: (2024)

Step Differences in Instructional Video
di: Nagarajan, Tushar, et al.
Pubblicazione: (2024)

V2M-Zero: Zero-Pair Time-Aligned Video-to-Music Generation
di: Lin, Yan-Bo, et al.
Pubblicazione: (2026)

Bootstrapping Language-Guided Navigation Learning with Self-Refining Data Flywheel
di: Wang, Zun, et al.
Pubblicazione: (2024)

TimeLens: Rethinking Video Temporal Grounding with Multimodal LLMs
di: Zhang, Jun, et al.
Pubblicazione: (2025)

Planner-Refiner: Dynamic Space-Time Refinement for Vision-Language Alignment in Videos
di: Tran, Tuyen, et al.
Pubblicazione: (2025)

MAMM-Refine: A Recipe for Improving Faithfulness in Generation with Multi-Agent Collaboration
di: Wan, David, et al.
Pubblicazione: (2025)

HERO: Hierarchical Embedding-Refinement for Open-Vocabulary Temporal Sentence Grounding in Videos
di: Han, Tingting, et al.
Pubblicazione: (2026)

Seq2Time: Sequential Knowledge Transfer for Video LLM Temporal Grounding
di: Deng, Andong, et al.
Pubblicazione: (2024)

TimeExpert: An Expert-Guided Video LLM for Video Temporal Grounding
di: Yang, Zuhao, et al.
Pubblicazione: (2025)

One Refiner to Unlock Them All: Inference-Time Reasoning Elicitation via Reinforcement Query Refinement
di: Zhou, Yixiao, et al.
Pubblicazione: (2026)

Mementos: A Comprehensive Benchmark for Multimodal Large Language Model Reasoning over Image Sequences
di: Wang, Xiyao, et al.
Pubblicazione: (2024)

DGIQA: Depth-guided Feature Attention and Refinement for Generalizable Image Quality Assessment
di: Ramesh, Vaishnav, et al.
Pubblicazione: (2025)

ExAct: A Video-Language Benchmark for Expert Action Analysis
di: Yi, Han, et al.
Pubblicazione: (2025)

MAgICoRe: Multi-Agent, Iterative, Coarse-to-Fine Refinement for Reasoning
di: Chen, Justin Chih-Yao, et al.
Pubblicazione: (2024)

Exploring Iterative Refinement with Diffusion Models for Video Grounding
di: Liang, Xiao, et al.
Pubblicazione: (2023)