Buchumschlag

RefHCM: A Unified Model for Referring Perceptions in Human-Centric Scenarios

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Jie, Hou, Ruibing, Zhao, Jiahe, Chang, Hong, Shan, Shiguang
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

HIS-GPT: Towards 3D Human-In-Scene Multimodal Understanding
von: Zhao, Jiahe, et al.
Veröffentlicht: (2025)

HERM: Benchmarking and Enhancing Multimodal LLMs for Human-Centric Understanding
von: Li, Keliang, et al.
Veröffentlicht: (2024)

UniPose: A Unified Multimodal Framework for Human Pose Comprehension, Generation and Editing
von: Li, Yiheng, et al.
Veröffentlicht: (2024)

un$^2$CLIP: Improving CLIP's Visual Detail Capturing Ability via Inverting unCLIP
von: Li, Yinqi, et al.
Veröffentlicht: (2025)

MotionVerse: A Unified Multimodal Framework for Motion Comprehension, Generation and Editing
von: Hou, Ruibing, et al.
Veröffentlicht: (2025)

CLIP-Guided Adaptable Self-Supervised Learning for Human-Centric Visual Tasks
von: Luo, Mingshuang, et al.
Veröffentlicht: (2026)

Clothes-Changing Person Re-Identification with Feasibility-Aware Intermediary Matching
von: Zhao, Jiahe, et al.
Veröffentlicht: (2024)

HumanPCR: Probing MLLM Capabilities in Diverse Human-Centric Scenes
von: Li, Keliang, et al.
Veröffentlicht: (2025)

DIVE: Inverting Conditional Diffusion Models for Discriminative Tasks
von: Li, Yinqi, et al.
Veröffentlicht: (2025)

Component-Based Out-of-Distribution Detection
von: Liu, Wenrui, et al.
Veröffentlicht: (2026)

UMFC: Unsupervised Multi-Domain Feature Calibration for Vision-Language Models
von: Liang, Jiachen, et al.
Veröffentlicht: (2024)

Revisiting Logit Distributions for Reliable Out-of-Distribution Detection
von: Liang, Jiachen, et al.
Veröffentlicht: (2025)

Generalized Semi-Supervised Learning via Self-Supervised Feature Adaptation
von: Liang, Jiachen, et al.
Veröffentlicht: (2024)

M$^3$GPT: An Advanced Multimodal, Multitask Framework for Motion Comprehension and Generation
von: Luo, Mingshuang, et al.
Veröffentlicht: (2024)

AnyMo: Scaling Any-Modality Conditional Motion Generation with Masked Modeling
von: Li, Yiheng, et al.
Veröffentlicht: (2026)

RefAV: Towards Planning-Centric Scenario Mining
von: Davidson, Cainan, et al.
Veröffentlicht: (2025)

EgoMotion: Hierarchical Reasoning and Diffusion for Egocentric Vision-Language Motion Generation
von: Hou, Ruibing, et al.
Veröffentlicht: (2026)

RefComp: A Reference-guided Unified Framework for Unpaired Point Cloud Completion
von: Yang, Yixuan, et al.
Veröffentlicht: (2025)

OneRef: Unified One-tower Expression Grounding and Segmentation with Mask Referring Modeling
von: Xiao, Linhui, et al.
Veröffentlicht: (2024)

Revisiting Multimodal Positional Encoding in Vision-Language Models
von: Huang, Jie, et al.
Veröffentlicht: (2025)

Face-MLLM: A Large Face Perception Model
von: Sun, Haomiao, et al.
Veröffentlicht: (2024)

Morph: A Motion-free Physics Optimization Framework for Human Motion Generation
von: Li, Zhuo, et al.
Veröffentlicht: (2024)

RefCut: Interactive Segmentation with Reference Guidance
von: Lin, Zheng, et al.
Veröffentlicht: (2025)

Assimilation Matters: Model-level Backdoor Detection in Vision-Language Pretrained Models
von: Wang, Zhongqi, et al.
Veröffentlicht: (2025)

Anonymization Prompt Learning for Facial Privacy-Preserving Text-to-Image Generation
von: Shi, Liang, et al.
Veröffentlicht: (2024)

Generalized Face Liveness Detection via De-fake Face Generator
von: Long, Xingming, et al.
Veröffentlicht: (2024)

Confidence Aware Learning for Reliable Face Anti-spoofing
von: Long, Xingming, et al.
Veröffentlicht: (2024)

Steering Vision-Language Pre-trained Models for Incremental Face Presentation Attack Detection
von: Li, Haoze, et al.
Veröffentlicht: (2025)

BIMM: Brain Inspired Masked Modeling for Video Representation Learning
von: Wan, Zhifan, et al.
Veröffentlicht: (2024)

Dynamic Attention Analysis for Backdoor Detection in Text-to-Image Diffusion Models
von: Wang, Zhongqi, et al.
Veröffentlicht: (2025)

VOPE: Revisiting Hallucination of Vision-Language Models in Voluntary Imagination Task
von: Long, Xingming, et al.
Veröffentlicht: (2025)

T2IShield: Defending Against Backdoors on Text-to-Image Diffusion Models
von: Wang, Zhongqi, et al.
Veröffentlicht: (2024)

RefTok: Reference-Based Tokenization for Video Generation
von: Fan, Xiang, et al.
Veröffentlicht: (2025)

RefAlign: Representation Alignment for Reference-to-Video Generation
von: Wang, Lei, et al.
Veröffentlicht: (2026)

Pre-trained Model Guided Fine-Tuning for Zero-Shot Adversarial Robustness
von: Wang, Sibo, et al.
Veröffentlicht: (2024)

UniVision: A Unified Framework for Vision-Centric 3D Perception
von: Hong, Yu, et al.
Veröffentlicht: (2024)

Dysca: A Dynamic and Scalable Benchmark for Evaluating Perception Ability of LVLMs
von: Zhang, Jie, et al.
Veröffentlicht: (2024)

RefVSR++: Exploiting Reference Inputs for Reference-based Video Super-resolution
von: Zou, Han, et al.
Veröffentlicht: (2023)

LatRef-Diff: Latent and Reference-Guided Diffusion for Facial Attribute Editing and Style Manipulation
von: Huang, Wenmin, et al.
Veröffentlicht: (2026)

RefFusion: Reference Adapted Diffusion Models for 3D Scene Inpainting
von: Mirzaei, Ashkan, et al.
Veröffentlicht: (2024)