TranStable: Towards Robust Pixel-level Online Video Stabilization by Jointing Transformer and CNN

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	li, zhizhen, zhuo, tianyi, Cao, Yifei, Yu, Jizhe, Liu, Yu
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

TransPixeler: Advancing Text-to-Video Generation with Transparency
von: Wang, Luozhou, et al.
Veröffentlicht: (2025)

EAGLE: Episodic Appearance- and Geometry-aware Memory for Unified 2D-3D Visual Query Localization in Egocentric Vision
von: Cao, Yifei, et al.
Veröffentlicht: (2025)

PixelDiT: Pixel Diffusion Transformers for Image Generation
von: Yu, Yongsheng, et al.
Veröffentlicht: (2025)

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

VS3R: Robust Full-frame Video Stabilization via Deep 3D Reconstruction
von: Zhu, Muhua, et al.
Veröffentlicht: (2026)

Do Generated Data Always Help Contrastive Learning?
von: Wang, Yifei, et al.
Veröffentlicht: (2024)

ParaTransCNN: Parallelized TransCNN Encoder for Medical Image Segmentation
von: Sun, Hongkun, et al.
Veröffentlicht: (2024)

Towards Online Real-Time Memory-based Video Inpainting Transformers
von: Thiry, Guillaume, et al.
Veröffentlicht: (2024)

Beyond Semantic Features: Pixel-level Mapping for Generalized AI-Generated Image Detection
von: Zhou, Chenming, et al.
Veröffentlicht: (2025)

Research about the Ability of LLM in the Tamper-Detection Area
von: Yang, Xinyu, et al.
Veröffentlicht: (2024)

Exploring Multi-view Pixel Contrast for General and Robust Image Forgery Localization
von: Lou, Zijie, et al.
Veröffentlicht: (2024)

TAFormer: A Unified Target-Aware Transformer for Video and Motion Joint Prediction in Aerial Scenes
von: Xu, Liangyu, et al.
Veröffentlicht: (2024)

PVUW 2025 Challenge Report: Advances in Pixel-level Understanding of Complex Videos in the Wild
von: Ding, Henghui, et al.
Veröffentlicht: (2025)

Pixel-SAIL: Single Transformer For Pixel-Grounded Understanding
von: Zhang, Tao, et al.
Veröffentlicht: (2025)

Improving Robustness for Joint Optimization of Camera Poses and Decomposed Low-Rank Tensorial Radiance Fields
von: Cheng, Bo-Yu, et al.
Veröffentlicht: (2024)

No Labels, No Look-Ahead: Unsupervised Online Video Stabilization with Classical Priors
von: Liu, Tao, et al.
Veröffentlicht: (2026)

MS-DETR: Towards Effective Video Moment Retrieval and Highlight Detection by Joint Motion-Semantic Learning
von: Ma, Hongxu, et al.
Veröffentlicht: (2025)

StableWorld: Towards Stable and Consistent Long Interactive Video Generation
von: Yang, Ying, et al.
Veröffentlicht: (2026)

A DeNoising FPN With Transformer R-CNN for Tiny Object Detection
von: Liu, Hou-I, et al.
Veröffentlicht: (2024)

Rays as Pixels: Learning A Joint Distribution of Videos and Camera Trajectories
von: Jang, Wonbong, et al.
Veröffentlicht: (2026)

Towards Better Robustness: Pose-Free 3D Gaussian Splatting for Arbitrarily Long Videos
von: Dong, Zhen-Hui, et al.
Veröffentlicht: (2025)

VideoGLaMM: A Large Multimodal Model for Pixel-Level Visual Grounding in Videos
von: Munasinghe, Shehan, et al.
Veröffentlicht: (2024)

SCTNet: Single-Branch CNN with Transformer Semantic Information for Real-Time Segmentation
von: Xu, Zhengze, et al.
Veröffentlicht: (2023)

UAGLNet: Uncertainty-Aggregated Global-Local Fusion Network with Cooperative CNN-Transformer for Building Extraction
von: Yao, Siyuan, et al.
Veröffentlicht: (2025)

PixelSmile: Toward Fine-Grained Facial Expression Editing
von: Hua, Jiabin, et al.
Veröffentlicht: (2026)

Towards Stabilized and Efficient Diffusion Transformers through Long-Skip-Connections with Spectral Constraints
von: Chen, Guanjie, et al.
Veröffentlicht: (2024)

GeoPix: Multi-Modal Large Language Model for Pixel-level Image Understanding in Remote Sensing
von: Ou, Ruizhe, et al.
Veröffentlicht: (2025)

NVDS+: Towards Efficient and Versatile Neural Stabilizer for Video Depth Estimation
von: Wang, Yiran, et al.
Veröffentlicht: (2023)

A Framework Combining 3D CNN and Transformer for Video-Based Behavior Recognition
von: Zhang, Xiuliang, et al.
Veröffentlicht: (2025)

VJT: A Video Transformer on Joint Tasks of Deblurring, Low-light Enhancement and Denoising
von: Hui, Yuxiang, et al.
Veröffentlicht: (2024)

PixelThink: Towards Efficient Chain-of-Pixel Reasoning
von: Wang, Song, et al.
Veröffentlicht: (2025)

HyperDiT: Hyper-Connected Transformers for High-Fidelity Pixel-Space Diffusion
von: He, Yu, et al.
Veröffentlicht: (2026)

Identity as Presence: Towards Appearance and Voice Personalized Joint Audio-Video Generation
von: Chen, Yingjie, et al.
Veröffentlicht: (2026)

PixelWizard: Towards Efficient High-Fidelity Video Generation at Ultra-Large Spatial Resolution
von: Li, Wenxue, et al.
Veröffentlicht: (2026)

Video Prediction of Dynamic Physical Simulations With Pixel-Space Spatiotemporal Transformers
von: Slack, Dean L, et al.
Veröffentlicht: (2025)

CineTrans: Learning to Generate Videos with Cinematic Transitions via Masked Diffusion Models
von: Wu, Xiaoxue, et al.
Veröffentlicht: (2025)

From Pixels to Explanations: Interpretable Diabetic Retinopathy Grading with CNN-Transformer Ensembles, Visual Explainability and Vision-Language Models
von: Khokhar, Pir Bakhsh, et al.
Veröffentlicht: (2026)

Unleashing the Power of CNN and Transformer for Balanced RGB-Event Video Recognition
von: Wang, Xiao, et al.
Veröffentlicht: (2023)

OD-DETR: Online Distillation for Stabilizing Training of Detection Transformer
von: Wu, Shengjian, et al.
Veröffentlicht: (2024)

Transforming Weather Data from Pixel to Latent Space
von: Zhao, Sijie, et al.
Veröffentlicht: (2025)