Copertina

UnMA-CapSumT: Unified and Multi-Head Attention-driven Caption Summarization Transformer

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Sharma, Dhruv, Dhiman, Chhavi, Kumar, Dinesh
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

SuperCap: Multi-resolution Superpixel-based Image Captioning
di: Senior, Henry, et al.
Pubblicazione: (2025)

"Previously on ..." From Recaps to Story Summarization
di: Singh, Aditya Kumar, et al.
Pubblicazione: (2024)

Improving Vision Transformers by Overlapping Heads in Multi-Head Self-Attention
di: Zhang, Tianxiao, et al.
Pubblicazione: (2024)

AnyCap Project: A Unified Framework, Dataset, and Benchmark for Controllable Omni-modal Captioning
di: Ren, Yiming, et al.
Pubblicazione: (2025)

ControlCap: Controllable Region-level Captioning
di: Zhao, Yuzhong, et al.
Pubblicazione: (2024)

HyperCap: Hyperspectral Land Cover Captioning Dataset for Vision Language Models
di: Das, Aryan, et al.
Pubblicazione: (2025)

Modelling Visual Semantics via Image Captioning to extract Enhanced Multi-Level Cross-Modal Semantic Incongruity Representation with Attention for Multimodal Sarcasm Detection
di: Aggarwal, Sajal, et al.
Pubblicazione: (2024)

CapS-Adapter: Caption-based MultiModal Adapter in Zero-Shot Classification
di: Wang, Qijie, et al.
Pubblicazione: (2024)

Change Captioning in Remote Sensing: Evolution to SAT-Cap -- A Single-Stage Transformer Approach
di: Wang, Yuduo, et al.
Pubblicazione: (2025)

SnapCap: Efficient Snapshot Compressive Video Captioning
di: Sun, Jianqiao, et al.
Pubblicazione: (2024)

Target-Dependent Multimodal Sentiment Analysis Via Employing Visual-to Emotional-Caption Translation Network using Visual-Caption Pairs
di: Pandey, Ananya, et al.
Pubblicazione: (2024)

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

MeaCap: Memory-Augmented Zero-shot Image Captioning
di: Zeng, Zequn, et al.
Pubblicazione: (2024)

IF-VidCap: Can Video Caption Models Follow Instructions?
di: Li, Shihao, et al.
Pubblicazione: (2025)

Classification with 2-D Convolutional Neural Networks for breast cancer diagnosis
di: Sharma, Anuraganand, et al.
Pubblicazione: (2020)

FingerCap: Fine-grained Finger-level Hand Motion Captioning
di: Shen, Xin, et al.
Pubblicazione: (2025)

VoCap: Video Object Captioning and Segmentation from Any Prompt
di: Uijlings, Jasper, et al.
Pubblicazione: (2025)

Show Me What I Like: Detecting User-Specific Video Highlights Using Content-Based Multi-Head Attention
di: Bhattacharya, Uttaran, et al.
Pubblicazione: (2022)

GMAR: Gradient-Driven Multi-Head Attention Rollout for Vision Transformer Interpretability
di: Jo, Sehyeong, et al.
Pubblicazione: (2025)

MHAFF: Multi-Head Attention Feature Fusion of CNN and Transformer for Cattle Identification
di: Dulal, Rabin, et al.
Pubblicazione: (2025)

OwlCap: Harmonizing Motion-Detail for Video Captioning via HMD-270K and Caption Set Equivalence Reward
di: Zhong, Chunlin, et al.
Pubblicazione: (2025)

ProCap: Projection-Aware Captioning for Spatial Augmented Reality
di: Cao, Zimo, et al.
Pubblicazione: (2026)

OrthCaps: An Orthogonal CapsNet with Sparse Attention Routing and Pruning
di: Geng, Xinyu, et al.
Pubblicazione: (2024)

AuroraCap: Efficient, Performant Video Detailed Captioning and a New Benchmark
di: Chai, Wenhao, et al.
Pubblicazione: (2024)

TOD3Cap: Towards 3D Dense Captioning in Outdoor Scenes
di: Jin, Bu, et al.
Pubblicazione: (2024)

Embedded Heterogeneous Attention Transformer for Cross-lingual Image Captioning
di: Song, Zijie, et al.
Pubblicazione: (2023)

Optimizing Knowledge Distillation in Transformers: Enabling Multi-Head Attention without Alignment Barriers
di: Bing, Zhaodong, et al.
Pubblicazione: (2025)

Transformer with Controlled Attention for Synchronous Motion Captioning
di: Radouane, Karim, et al.
Pubblicazione: (2024)

CapArena: Benchmarking and Analyzing Detailed Image Captioning in the LLM Era
di: Cheng, Kanzhi, et al.
Pubblicazione: (2025)

GLaVE-Cap: Global-Local Aligned Video Captioning with Vision Expert Integration
di: Xu, Wan, et al.
Pubblicazione: (2025)

ReCap: Event-Aware Image Captioning with Article Retrieval and Semantic Gaussian Normalization
di: Nguyen, Thinh-Phuc, et al.
Pubblicazione: (2025)

VideoCap-R1: Enhancing MLLMs for Video Captioning via Structured Thinking
di: Meng, Desen, et al.
Pubblicazione: (2025)

CodecCap: High-Fidelity Codec-Inspired Residual Modeling for Dense Video Captioning
di: Lin, Zihan, et al.
Pubblicazione: (2026)

FullTransNet: Full Transformer with Local-Global Attention for Video Summarization
di: Lan, Libin, et al.
Pubblicazione: (2025)

HierSum: A Global and Local Attention Mechanism for Video Summarization
di: Beedu, Apoorva, et al.
Pubblicazione: (2025)

ChartCap: Mitigating Hallucination of Dense Chart Captioning
di: Lim, Junyoung, et al.
Pubblicazione: (2025)

XMeCap: Meme Caption Generation with Sub-Image Adaptability
di: Chen, Yuyan, et al.
Pubblicazione: (2024)

MA-LipNet: Multi-Dimensional Attention Networks for Robust Lipreading
di: Rossi, Matteo
Pubblicazione: (2026)

Guided Attention for Interpretable Motion Captioning
di: Radouane, Karim, et al.
Pubblicazione: (2023)

CapHDR2IR: Caption-Driven Transfer from Visible Light to Infrared Domain
di: Peng, Jingchao, et al.
Pubblicazione: (2024)