Salvato in:
| Autori principali: | Park, Ji-jun, Choi, Soo-joon |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2024
|
| Soggetti: | |
| Accesso online: | https://arxiv.org/abs/2412.10720 |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
NarrativeBridge: Enhancing Video Captioning with Causal-Temporal Narrative
di: Nadeem, Asmar, et al.
Pubblicazione: (2024)
di: Nadeem, Asmar, et al.
Pubblicazione: (2024)
LLMs for Enhanced Agricultural Meteorological Recommendations
di: Park, Ji-jun, et al.
Pubblicazione: (2024)
di: Park, Ji-jun, et al.
Pubblicazione: (2024)
Harnessing Generative LLMs for Enhanced Financial Event Entity Extraction Performance
di: Choi, Soo-joon, et al.
Pubblicazione: (2025)
di: Choi, Soo-joon, et al.
Pubblicazione: (2025)
Bidirectional Likelihood Estimation with Multi-Modal Large Language Models for Text-Video Retrieval
di: Ko, Dohwan, et al.
Pubblicazione: (2025)
di: Ko, Dohwan, et al.
Pubblicazione: (2025)
Open-ended Hierarchical Streaming Video Understanding with Vision Language Models
di: Kang, Hyolim, et al.
Pubblicazione: (2025)
di: Kang, Hyolim, et al.
Pubblicazione: (2025)
Optimizing 4D Gaussians for Dynamic Scene Video from Single Landscape Images
di: Jin, In-Hwan, et al.
Pubblicazione: (2025)
di: Jin, In-Hwan, et al.
Pubblicazione: (2025)
CauCLIP: Bridging the Sim-to-Real Gap in Surgical Video Understanding via Causality-Inspired Vision-Language Modeling
di: He, Yuxin, et al.
Pubblicazione: (2026)
di: He, Yuxin, et al.
Pubblicazione: (2026)
Causality Matters: How Temporal Information Emerges in Video Language Models
di: Shi, Yumeng, et al.
Pubblicazione: (2025)
di: Shi, Yumeng, et al.
Pubblicazione: (2025)
Temporal Contrastive Learning for Video Temporal Reasoning in Large Vision-Language Models
di: Souza, Rafael, et al.
Pubblicazione: (2024)
di: Souza, Rafael, et al.
Pubblicazione: (2024)
CollabVR: Collaborative Video Reasoning with Vision-Language and Video Generation Models
di: Kim, Joowon, et al.
Pubblicazione: (2026)
di: Kim, Joowon, et al.
Pubblicazione: (2026)
Temporal-Oriented Recipe for Transferring Large Vision-Language Model to Video Understanding
di: Nguyen, Thong, et al.
Pubblicazione: (2025)
di: Nguyen, Thong, et al.
Pubblicazione: (2025)
MedicalNarratives: Connecting Medical Vision and Language with Localized Narratives
di: Ikezogwo, Wisdom O., et al.
Pubblicazione: (2025)
di: Ikezogwo, Wisdom O., et al.
Pubblicazione: (2025)
Bridging Vision and Language Spaces with Assignment Prediction
di: Park, Jungin, et al.
Pubblicazione: (2024)
di: Park, Jungin, et al.
Pubblicazione: (2024)
ReVisionLLM: Recursive Vision-Language Model for Temporal Grounding in Hour-Long Videos
di: Hannan, Tanveer, et al.
Pubblicazione: (2024)
di: Hannan, Tanveer, et al.
Pubblicazione: (2024)
Probabilistic Vision-Language Representation for Weakly Supervised Temporal Action Localization
di: Lim, Geuntaek, et al.
Pubblicazione: (2024)
di: Lim, Geuntaek, et al.
Pubblicazione: (2024)
Bridging Hidden States in Vision-Language Models
di: Fein-Ashley, Benjamin, et al.
Pubblicazione: (2025)
di: Fein-Ashley, Benjamin, et al.
Pubblicazione: (2025)
TRACE: Temporal Grounding Video LLM via Causal Event Modeling
di: Guo, Yongxin, et al.
Pubblicazione: (2024)
di: Guo, Yongxin, et al.
Pubblicazione: (2024)
VLog: Video-Language Models by Generative Retrieval of Narration Vocabulary
di: Lin, Kevin Qinghong, et al.
Pubblicazione: (2025)
di: Lin, Kevin Qinghong, et al.
Pubblicazione: (2025)
CausalCine: Real-Time Autoregressive Generation for Multi-Shot Video Narratives
di: Meng, Yihao, et al.
Pubblicazione: (2026)
di: Meng, Yihao, et al.
Pubblicazione: (2026)
Harnessing Vision-Language Pretrained Models with Temporal-Aware Adaptation for Referring Video Object Segmentation
di: Zhou, Zikun, et al.
Pubblicazione: (2024)
di: Zhou, Zikun, et al.
Pubblicazione: (2024)
CELLO: Causal Evaluation of Large Vision-Language Models
di: Chen, Meiqi, et al.
Pubblicazione: (2024)
di: Chen, Meiqi, et al.
Pubblicazione: (2024)
VidChain: Chain-of-Tasks with Metric-based Direct Preference Optimization for Dense Video Captioning
di: Lee, Ji Soo, et al.
Pubblicazione: (2025)
di: Lee, Ji Soo, et al.
Pubblicazione: (2025)
SVLTA: Benchmarking Vision-Language Temporal Alignment via Synthetic Video Situation
di: Du, Hao, et al.
Pubblicazione: (2025)
di: Du, Hao, et al.
Pubblicazione: (2025)
JoVALE: Detecting Human Actions in Video Using Audiovisual and Language Contexts
di: Son, Taein, et al.
Pubblicazione: (2024)
di: Son, Taein, et al.
Pubblicazione: (2024)
Efficient Temporal Extrapolation of Multimodal Large Language Models with Temporal Grounding Bridge
di: Wang, Yuxuan, et al.
Pubblicazione: (2024)
di: Wang, Yuxuan, et al.
Pubblicazione: (2024)
Narrating the Video: Boosting Text-Video Retrieval via Comprehensive Utilization of Frame-Level Captions
di: Hur, Chan, et al.
Pubblicazione: (2025)
di: Hur, Chan, et al.
Pubblicazione: (2025)
An Approach to Enriching Surgical Video Datasets for Fine-Grained Spatial-Temporal Understanding of Vision-Language Models
di: Maack, Lennart, et al.
Pubblicazione: (2026)
di: Maack, Lennart, et al.
Pubblicazione: (2026)
Bridging the Missing-Modality Gap: Improving Text-Only Calibration of Vision Language Models
di: Kim, Mingyeong, et al.
Pubblicazione: (2026)
di: Kim, Mingyeong, et al.
Pubblicazione: (2026)
Multi-Context Temporal Consistent Modeling for Referring Video Object Segmentation
di: Choi, Sun-Hyuk, et al.
Pubblicazione: (2025)
di: Choi, Sun-Hyuk, et al.
Pubblicazione: (2025)
When Sinks Help or Hurt: Unified Framework for Attention Sink in Large Vision-Language Models
di: Choi, Jiho, et al.
Pubblicazione: (2026)
di: Choi, Jiho, et al.
Pubblicazione: (2026)
Bridging the Domain Gap for Flight-Ready Spaceborne Vision
di: Park, Tae Ha, et al.
Pubblicazione: (2024)
di: Park, Tae Ha, et al.
Pubblicazione: (2024)
Learning Invariant Causal Mechanism from Vision-Language Models
di: Song, Zeen, et al.
Pubblicazione: (2024)
di: Song, Zeen, et al.
Pubblicazione: (2024)
WaterWave: Bridging Underwater Image Enhancement into Video Streams via Wavelet-based Temporal Consistency Field
di: Zhu, Qi, et al.
Pubblicazione: (2025)
di: Zhu, Qi, et al.
Pubblicazione: (2025)
Bridging Vision Language Models and Symbolic Grounding for Video Question Answering
di: Ma, Haodi, et al.
Pubblicazione: (2025)
di: Ma, Haodi, et al.
Pubblicazione: (2025)
Improving Keystep Recognition in Ego-Video via Dexterous Focus
di: Chavis, Zachary, et al.
Pubblicazione: (2025)
di: Chavis, Zachary, et al.
Pubblicazione: (2025)
On the Consistency of Video Large Language Models in Temporal Comprehension
di: Jung, Minjoon, et al.
Pubblicazione: (2024)
di: Jung, Minjoon, et al.
Pubblicazione: (2024)
Distilling Vision-Language Models on Millions of Videos
di: Zhao, Yue, et al.
Pubblicazione: (2024)
di: Zhao, Yue, et al.
Pubblicazione: (2024)
VideoMamba: Spatio-Temporal Selective State Space Model
di: Park, Jinyoung, et al.
Pubblicazione: (2024)
di: Park, Jinyoung, et al.
Pubblicazione: (2024)
MoE-GRPO: Optimizing Mixture-of-Experts via Reinforcement Learning in Vision-Language Models
di: Ko, Dohwan, et al.
Pubblicazione: (2026)
di: Ko, Dohwan, et al.
Pubblicazione: (2026)
TempGlitch: Evaluating Vision-Language Models for Temporal Glitch Detection in Gameplay Videos
di: Yu, Yakun, et al.
Pubblicazione: (2026)
di: Yu, Yakun, et al.
Pubblicazione: (2026)
Documenti analoghi
-
NarrativeBridge: Enhancing Video Captioning with Causal-Temporal Narrative
di: Nadeem, Asmar, et al.
Pubblicazione: (2024) -
LLMs for Enhanced Agricultural Meteorological Recommendations
di: Park, Ji-jun, et al.
Pubblicazione: (2024) -
Harnessing Generative LLMs for Enhanced Financial Event Entity Extraction Performance
di: Choi, Soo-joon, et al.
Pubblicazione: (2025) -
Bidirectional Likelihood Estimation with Multi-Modal Large Language Models for Text-Video Retrieval
di: Ko, Dohwan, et al.
Pubblicazione: (2025) -
Open-ended Hierarchical Streaming Video Understanding with Vision Language Models
di: Kang, Hyolim, et al.
Pubblicazione: (2025)