Buchumschlag

AVS-Mamba: Exploring Temporal and Multi-modal Mamba for Audio-Visual Segmentation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Gong, Sitong, Zhuge, Yunzhi, Zhang, Lu, Wang, Yifan, Zhang, Pingping, Wang, Lijun, Lu, Huchuan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Complementary and Contrastive Learning for Audio-Visual Segmentation
von: Gong, Sitong, et al.
Veröffentlicht: (2025)

Parameter Aware Mamba Model for Multi-task Dense Prediction
von: Yu, Xinzhuo, et al.
Veröffentlicht: (2025)

The Devil is in Temporal Token: High Quality Video Reasoning Segmentation
von: Gong, Sitong, et al.
Veröffentlicht: (2025)

Reinforcing Video Reasoning Segmentation to Think Before It Segments
von: Gong, Sitong, et al.
Veröffentlicht: (2025)

Learning Motion and Temporal Cues for Unsupervised Video Object Segmentation
von: Zhuge, Yunzhi, et al.
Veröffentlicht: (2025)

MambaPro: Multi-Modal Object Re-Identification with Mamba Aggregation and Synergistic Prompt
von: Wang, Yuhao, et al.
Veröffentlicht: (2024)

Learning Universal Features for Generalizable Image Forgery Localization
von: Zhao, Hengrun, et al.
Veröffentlicht: (2025)

Spatial-Frequency Enhanced Mamba for Multi-Modal Image Fusion
von: Sun, Hui, et al.
Veröffentlicht: (2025)

Towards Open-Vocabulary Remote Sensing Image Semantic Segmentation
von: Ye, Chengyang, et al.
Veröffentlicht: (2024)

NeuroMamba: Multi-Perspective Feature Interaction with Visual Mamba for Neuron Segmentation
von: Jiang, Liuyun, et al.
Veröffentlicht: (2026)

IDEA: Inverted Text with Cooperative Deformable Aggregation for Multi-modal Object Re-Identification
von: Wang, Yuhao, et al.
Veröffentlicht: (2025)

3UR-LLM: An End-to-End Multimodal Large Language Model for 3D Scene Understanding
von: Xiong, Haomiao, et al.
Veröffentlicht: (2025)

Interactive Spatial-Frequency Fusion Mamba for Multi-Modal Image Fusion
von: Zhu, Yixin, et al.
Veröffentlicht: (2026)

Ref-AVS: Refer and Segment Objects in Audio-Visual Scenes
von: Wang, Yaoting, et al.
Veröffentlicht: (2024)

FineRS: Fine-grained Reasoning and Segmentation of Small Objects with Reinforcement Learning
von: Zhang, Lu, et al.
Veröffentlicht: (2025)

DefMamba: Deformable Visual State Space Model
von: Liu, Leiye, et al.
Veröffentlicht: (2025)

Towards Cross-Platform Generalization: Domain Adaptive 3D Detection with Augmentation and Pseudo-Labeling
von: Feng, Xiyan, et al.
Veröffentlicht: (2026)

A Survey on Visual Mamba
von: Zhang, Hanwei, et al.
Veröffentlicht: (2024)

Sigma: Siamese Mamba Network for Multi-Modal Semantic Segmentation
von: Wan, Zifu, et al.
Veröffentlicht: (2024)

P-Mamba: Marrying Perona Malik Diffusion with Mamba for Efficient Pediatric Echocardiographic Left Ventricular Segmentation
von: Ye, Zi, et al.
Veröffentlicht: (2024)

MambaVT: Spatio-Temporal Contextual Modeling for robust RGB-T Tracking
von: Lai, Simiao, et al.
Veröffentlicht: (2024)

Multi-modal Instruction Tuned LLMs with Fine-grained Visual Perception
von: He, Junwen, et al.
Veröffentlicht: (2024)

Other Tokens Matter: Exploring Global and Local Features of Vision Transformers for Object Re-Identification
von: Wang, Yingquan, et al.
Veröffentlicht: (2024)

Multi-Scale and Detail-Enhanced Segment Anything Model for Salient Object Detection
von: Gao, Shixuan, et al.
Veröffentlicht: (2024)

Boosting Continual Learning of Vision-Language Models via Mixture-of-Experts Adapters
von: Yu, Jiazuo, et al.
Veröffentlicht: (2024)

Magic Tokens: Select Diverse Tokens for Multi-modal Object Re-Identification
von: Zhang, Pingping, et al.
Veröffentlicht: (2024)

Bootstraping Clustering of Gaussians for View-consistent 3D Scene Understanding
von: Zhang, Wenbo, et al.
Veröffentlicht: (2024)

MobileMamba: Lightweight Multi-Receptive Visual Mamba Network
von: He, Haoyang, et al.
Veröffentlicht: (2024)

MambaDFuse: A Mamba-based Dual-phase Model for Multi-modality Image Fusion
von: Li, Zhe, et al.
Veröffentlicht: (2024)

Streaming Video Understanding and Multi-round Interaction with Memory-enhanced Knowledge
von: Xiong, Haomiao, et al.
Veröffentlicht: (2025)

MUG: Pseudo Labeling Augmented Audio-Visual Mamba Network for Audio-Visual Video Parsing
von: Wang, Langyu, et al.
Veröffentlicht: (2025)

BEV-IO: Enhancing Bird's-Eye-View 3D Detection with Instance Occupancy
von: Zhang, Zaibin, et al.
Veröffentlicht: (2023)

3D Segment Anything Model with Visual Mamba for Diagnosing Placenta Accreta Spectrum
von: Zhang, Yuliang, et al.
Veröffentlicht: (2026)

Fantastic Animals and Where to Find Them: Segment Any Marine Animal with Dual SAM
von: Zhang, Pingping, et al.
Veröffentlicht: (2024)

AVS-Net: Audio-Visual Scale Net for Self-supervised Monocular Metric Depth Estimation
von: Liu, Xiaohu, et al.
Veröffentlicht: (2024)

LATex: Leveraging Attribute-based Text Knowledge for Aerial-Ground Person Re-Identification
von: Zhang, Pingping, et al.
Veröffentlicht: (2025)

X-ReID: Multi-granularity Information Interaction for Video-Based Visible-Infrared Person Re-Identification
von: Yu, Chenyang, et al.
Veröffentlicht: (2025)

GlobalMamba: Global Image Serialization for Vision Mamba
von: Wang, Chengkun, et al.
Veröffentlicht: (2024)

StableIdentity: Inserting Anybody into Anywhere at First Sight
von: Wang, Qinghe, et al.
Veröffentlicht: (2024)

Mamba-UNet: UNet-Like Pure Visual Mamba for Medical Image Segmentation
von: Wang, Ziyang, et al.
Veröffentlicht: (2024)