Zero-shot Video Moment Retrieval via Off-the-shelf Multimodal Large Language Models
Fuente:
arXiv
Salvato in:
| Autori principali: | Xu, Yifang, Sun, Yunzhuo, Zhai, Benxiang, Li, Ming, Liang, Wenxin, Li, Yang, Du, Sidan |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2025
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
HiFi-Portrait: Zero-shot Identity-preserved Portrait Generation with High-fidelity Multi-face Fusion
di: Xu, Yifang, et al.
Pubblicazione: (2025)
di: Xu, Yifang, et al.
Pubblicazione: (2025)
Multi-modal Fusion and Query Refinement Network for Video Moment Retrieval and Highlight Detection
di: Xu, Yifang, et al.
Pubblicazione: (2025)
di: Xu, Yifang, et al.
Pubblicazione: (2025)
VTG-GPT: Tuning-Free Zero-Shot Video Temporal Grounding with GPT
di: Xu, Yifang, et al.
Pubblicazione: (2024)
di: Xu, Yifang, et al.
Pubblicazione: (2024)
Diff-PC: Identity-preserving and 3D-aware Controllable Diffusion for Zero-shot Portrait Customization
di: Xu, Yifang, et al.
Pubblicazione: (2026)
di: Xu, Yifang, et al.
Pubblicazione: (2026)
GPTSee: Enhancing Moment Retrieval and Highlight Detection via Description-Based Similarity Features
di: Sun, Yunzhuo, et al.
Pubblicazione: (2024)
di: Sun, Yunzhuo, et al.
Pubblicazione: (2024)
MM-InstructEval: Zero-Shot Evaluation of (Multimodal) Large Language Models on Multimodal Reasoning Tasks
di: Yang, Xiaocui, et al.
Pubblicazione: (2024)
di: Yang, Xiaocui, et al.
Pubblicazione: (2024)
Towards Alleviating Text-to-Image Retrieval Hallucination for CLIP in Zero-shot Learning
di: Wang, Hanyao, et al.
Pubblicazione: (2024)
di: Wang, Hanyao, et al.
Pubblicazione: (2024)
Context-Enhanced Video Moment Retrieval with Large Language Models
di: Liu, Weijia, et al.
Pubblicazione: (2024)
di: Liu, Weijia, et al.
Pubblicazione: (2024)
FaceSnap: Enhanced ID-fidelity Network for Tuning-free Portrait Customization
di: Zhai, Benxiang, et al.
Pubblicazione: (2026)
di: Zhai, Benxiang, et al.
Pubblicazione: (2026)
An Inverse Partial Optimal Transport Framework for Music-guided Movie Trailer Generation
di: Wang, Yutong, et al.
Pubblicazione: (2024)
di: Wang, Yutong, et al.
Pubblicazione: (2024)
Multimodal Semantic Communication for Generative Audio-Driven Video Conferencing
di: Tong, Haonan, et al.
Pubblicazione: (2024)
di: Tong, Haonan, et al.
Pubblicazione: (2024)
Retrieval Augmented Verification for Zero-Shot Detection of Multimodal Disinformation
di: Dey, Arka Ujjal, et al.
Pubblicazione: (2024)
di: Dey, Arka Ujjal, et al.
Pubblicazione: (2024)
Divide and Conquer: Multimodal Video Deepfake Detection via Cross-Modal Fusion and Localization
di: Li, Qingcao, et al.
Pubblicazione: (2026)
di: Li, Qingcao, et al.
Pubblicazione: (2026)
Retrieving Any Relevant Moments: Benchmark and Models for Generalized Moment Retrieval
di: Ding, Yiming, et al.
Pubblicazione: (2026)
di: Ding, Yiming, et al.
Pubblicazione: (2026)
Distilling Implicit Multimodal Knowledge into Large Language Models for Zero-Resource Dialogue Generation
di: Zhang, Bo, et al.
Pubblicazione: (2024)
di: Zhang, Bo, et al.
Pubblicazione: (2024)
Multimodal Emotion Recognition with Large Language Models
di: Zhang, Hongrui, et al.
Pubblicazione: (2026)
di: Zhang, Hongrui, et al.
Pubblicazione: (2026)
When Video Coding Meets Multimodal Large Language Models: A Unified Paradigm for Video Coding
di: Zhang, Pingping, et al.
Pubblicazione: (2024)
di: Zhang, Pingping, et al.
Pubblicazione: (2024)
ImageScope: Unifying Language-Guided Image Retrieval via Large Multimodal Model Collective Reasoning
di: Luo, Pengfei, et al.
Pubblicazione: (2025)
di: Luo, Pengfei, et al.
Pubblicazione: (2025)
Multi-proposal Collaboration and Multi-task Training for Weakly-supervised Video Moment Retrieval
di: Zhang, Bolin, et al.
Pubblicazione: (2026)
di: Zhang, Bolin, et al.
Pubblicazione: (2026)
Enhancing Multimodal Retrieval via Complementary Information Extraction and Alignment
di: Zeng, Delong, et al.
Pubblicazione: (2026)
di: Zeng, Delong, et al.
Pubblicazione: (2026)
RA-BLIP: Multimodal Adaptive Retrieval-Augmented Bootstrapping Language-Image Pre-training
di: Ding, Muhe, et al.
Pubblicazione: (2024)
di: Ding, Muhe, et al.
Pubblicazione: (2024)
Turing Patterns for Multimedia: Reaction-Diffusion Multi-Modal Fusion for Language-Guided Video Moment Retrieval
di: Fang, Xiang, et al.
Pubblicazione: (2026)
di: Fang, Xiang, et al.
Pubblicazione: (2026)
Towards Multimodal Sentiment Analysis via Contrastive Cross-modal Retrieval Augmentation and Hierachical Prompts
di: Zhao, Xianbing, et al.
Pubblicazione: (2025)
di: Zhao, Xianbing, et al.
Pubblicazione: (2025)
QMAVIS: Long Video-Audio Understanding using Fusion of Large Multimodal Models
di: Lin, Zixing, et al.
Pubblicazione: (2026)
di: Lin, Zixing, et al.
Pubblicazione: (2026)
mPLUG-PaperOwl: Scientific Diagram Analysis with the Multimodal Large Language Model
di: Hu, Anwen, et al.
Pubblicazione: (2023)
di: Hu, Anwen, et al.
Pubblicazione: (2023)
GAIA: Zero-shot Talking Avatar Generation
di: He, Tianyu, et al.
Pubblicazione: (2023)
di: He, Tianyu, et al.
Pubblicazione: (2023)
Beyond Alignment: Blind Video Face Restoration via Parsing-Guided Temporal-Coherent Transformer
di: Xu, Kepeng, et al.
Pubblicazione: (2024)
di: Xu, Kepeng, et al.
Pubblicazione: (2024)
How Far Are Surgeons from Surgical World Models? A Pilot Study on Zero-shot Surgical Video Generation with Expert Assessment
di: Chen, Zhen, et al.
Pubblicazione: (2025)
di: Chen, Zhen, et al.
Pubblicazione: (2025)
MMSRARec: Summarization and Retrieval Augumented Sequential Recommendation Based on Multimodal Large Language Model
di: Wang, Haoyu, et al.
Pubblicazione: (2025)
di: Wang, Haoyu, et al.
Pubblicazione: (2025)
Harnessing Multimodal Large Language Models for Personalized Product Search with Query-aware Refinement
di: Zhang, Beibei, et al.
Pubblicazione: (2025)
di: Zhang, Beibei, et al.
Pubblicazione: (2025)
HeadsetOff: Enabling Photorealistic Video Conferencing on Economical VR Headsets
di: Jin, Yili, et al.
Pubblicazione: (2024)
di: Jin, Yili, et al.
Pubblicazione: (2024)
Modality-Aware Identity Construction and Counterfactual Structure Learning for ID-Free Multimodal Recommendation
di: Ma, Hongjian, et al.
Pubblicazione: (2026)
di: Ma, Hongjian, et al.
Pubblicazione: (2026)
Learning Complex Heterogeneous Multimodal Fake News via Social Latent Network Inference
di: Li, Mingxin, et al.
Pubblicazione: (2025)
di: Li, Mingxin, et al.
Pubblicazione: (2025)
Multimodal LLM-based Query Paraphrasing for Video Search
di: Wu, Jiaxin, et al.
Pubblicazione: (2024)
di: Wu, Jiaxin, et al.
Pubblicazione: (2024)
Off-the-shelf Vision Models Benefit Image Manipulation Localization
di: Zhang, Zhengxuan, et al.
Pubblicazione: (2026)
di: Zhang, Zhengxuan, et al.
Pubblicazione: (2026)
Rethinking Vision Transformer for Large-Scale Fine-Grained Image Retrieval
di: Jiang, Xin, et al.
Pubblicazione: (2025)
di: Jiang, Xin, et al.
Pubblicazione: (2025)
OpenVNA: A Framework for Analyzing the Behavior of Multimodal Language Understanding System under Noisy Scenarios
di: Yuan, Ziqi, et al.
Pubblicazione: (2024)
di: Yuan, Ziqi, et al.
Pubblicazione: (2024)
Evaluating Multimodal Large Language Models on Spoken Sarcasm Understanding
di: Li, Zhu, et al.
Pubblicazione: (2025)
di: Li, Zhu, et al.
Pubblicazione: (2025)
Evolutionary Multimodal Reasoning via Hierarchical Semantic Representation for Intent Recognition
di: Zhou, Qianrui, et al.
Pubblicazione: (2026)
di: Zhou, Qianrui, et al.
Pubblicazione: (2026)
FLARE: Full-Modality Long-Video Audiovisual Retrieval Benchmark with User-Simulated Queries
di: You, Qijie, et al.
Pubblicazione: (2026)
di: You, Qijie, et al.
Pubblicazione: (2026)
Documenti analoghi
-
HiFi-Portrait: Zero-shot Identity-preserved Portrait Generation with High-fidelity Multi-face Fusion
di: Xu, Yifang, et al.
Pubblicazione: (2025) -
Multi-modal Fusion and Query Refinement Network for Video Moment Retrieval and Highlight Detection
di: Xu, Yifang, et al.
Pubblicazione: (2025) -
VTG-GPT: Tuning-Free Zero-Shot Video Temporal Grounding with GPT
di: Xu, Yifang, et al.
Pubblicazione: (2024) -
Diff-PC: Identity-preserving and 3D-aware Controllable Diffusion for Zero-shot Portrait Customization
di: Xu, Yifang, et al.
Pubblicazione: (2026) -
GPTSee: Enhancing Moment Retrieval and Highlight Detection via Description-Based Similarity Features
di: Sun, Yunzhuo, et al.
Pubblicazione: (2024)