COCONut-PanCap: Joint Panoptic Segmentation and Grounded Captions for Fine-Grained Understanding and Generation
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Deng, Xueqing, Yu, Qihang, Athar, Ali, Yang, Chenglin, Yang, Linjie, Jin, Xiaojie, Shen, Xiaohui, Chen, Liang-Chieh |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
COCONut: Modernizing COCO Segmentation
par: Deng, Xueqing, et autres
Publié: (2024)
par: Deng, Xueqing, et autres
Publié: (2024)
ViCaS: A Dataset for Combining Holistic and Pixel-level Video Understanding using Captions with Grounded Segmentation
par: Athar, Ali, et autres
Publié: (2024)
par: Athar, Ali, et autres
Publié: (2024)
PanDepth: Joint Panoptic Segmentation and Depth Completion
par: Lagos, Juan, et autres
Publié: (2022)
par: Lagos, Juan, et autres
Publié: (2022)
Randomized Autoregressive Visual Generation
par: Yu, Qihang, et autres
Publié: (2024)
par: Yu, Qihang, et autres
Publié: (2024)
A Simple Video Segmenter by Tracking Objects Along Axial Trajectories
par: He, Ju, et autres
Publié: (2023)
par: He, Ju, et autres
Publié: (2023)
1.58-bit FLUX
par: Yang, Chenglin, et autres
Publié: (2024)
par: Yang, Chenglin, et autres
Publié: (2024)
An Image is Worth 32 Tokens for Reconstruction and Generation
par: Yu, Qihang, et autres
Publié: (2024)
par: Yu, Qihang, et autres
Publié: (2024)
MaskBit: Embedding-free Image Generation via Bit Tokens
par: Weber, Mark, et autres
Publié: (2024)
par: Weber, Mark, et autres
Publié: (2024)
Democratizing Text-to-Image Masked Generative Models with Compact Text-Aware One-Dimensional Tokens
par: Kim, Dongwon, et autres
Publié: (2025)
par: Kim, Dongwon, et autres
Publié: (2025)
FingerCap: Fine-grained Finger-level Hand Motion Captioning
par: Shen, Xin, et autres
Publié: (2025)
par: Shen, Xin, et autres
Publié: (2025)
PanORama: Multiview Consistent Panoptic Segmentation in Operating Rooms
par: Gürbüz, Tuna, et autres
Publié: (2026)
par: Gürbüz, Tuna, et autres
Publié: (2026)
PanSR: An Object-Centric Mask Transformer for Panoptic Segmentation
par: Žust, Lojze, et autres
Publié: (2024)
par: Žust, Lojze, et autres
Publié: (2024)
PanDA: Unsupervised Domain Adaptation for Multimodal 3D Panoptic Segmentation in Autonomous Driving
par: Pan, Yining, et autres
Publié: (2026)
par: Pan, Yining, et autres
Publié: (2026)
GroundCap: A Visually Grounded Image Captioning Dataset
par: Oliveira, Daniel A. P., et autres
Publié: (2025)
par: Oliveira, Daniel A. P., et autres
Publié: (2025)
PanSt3R: Multi-view Consistent Panoptic Segmentation
par: Zust, Lojze, et autres
Publié: (2025)
par: Zust, Lojze, et autres
Publié: (2025)
SPORTS: Simultaneous Panoptic Odometry, Rendering, Tracking and Segmentation for Urban Scenes Understanding
par: Yang, Zhiliu, et autres
Publié: (2025)
par: Yang, Zhiliu, et autres
Publié: (2025)
FSAR-Cap: A Fine-Grained Two-Stage Annotated Dataset for SAR Image Captioning
par: Zhang, Jinqi, et autres
Publié: (2025)
par: Zhang, Jinqi, et autres
Publié: (2025)
CGC: Compositional Grounded Contrast for Fine-Grained Multi-Image Understanding
par: Zheng, Lihao, et autres
Publié: (2026)
par: Zheng, Lihao, et autres
Publié: (2026)
CompCap: Improving Multimodal Large Language Models with Composite Captions
par: Chen, Xiaohui, et autres
Publié: (2024)
par: Chen, Xiaohui, et autres
Publié: (2024)
PanopticPartFormer++: A Unified and Decoupled View for Panoptic Part Segmentation
par: Li, Xiangtai, et autres
Publié: (2023)
par: Li, Xiangtai, et autres
Publié: (2023)
Panoptic Captioning: An Equivalence Bridge for Image and Text
par: Lin, Kun-Yu, et autres
Publié: (2025)
par: Lin, Kun-Yu, et autres
Publié: (2025)
Scene Graph-guided SegCaptioning Transformer with Fine-grained Alignment for Controllable Video Segmentation and Captioning
par: Zhang, Xu, et autres
Publié: (2026)
par: Zhang, Xu, et autres
Publié: (2026)
VITRIX-CLIPIN: Enhancing Fine-Grained Visual Understanding in CLIP via Instruction Editing Data and Long Captions
par: Wang, Ziteng, et autres
Publié: (2025)
par: Wang, Ziteng, et autres
Publié: (2025)
VoCap: Video Object Captioning and Segmentation from Any Prompt
par: Uijlings, Jasper, et autres
Publié: (2025)
par: Uijlings, Jasper, et autres
Publié: (2025)
ViTamin: Designing Scalable Vision Models in the Vision-Language Era
par: Chen, Jieneng, et autres
Publié: (2024)
par: Chen, Jieneng, et autres
Publié: (2024)
ProCap: Projection-Aware Captioning for Spatial Augmented Reality
par: Cao, Zimo, et autres
Publié: (2026)
par: Cao, Zimo, et autres
Publié: (2026)
MC-PanDA: Mask Confidence for Panoptic Domain Adaptation
par: Martinović, Ivan, et autres
Publié: (2024)
par: Martinović, Ivan, et autres
Publié: (2024)
Enhancing Temporal Consistency in Video Editing by Reconstructing Videos with 3D Gaussian Splatting
par: Shin, Inkyu, et autres
Publié: (2024)
par: Shin, Inkyu, et autres
Publié: (2024)
Video ReCap: Recursive Captioning of Hour-Long Videos
par: Islam, Md Mohaiminul, et autres
Publié: (2024)
par: Islam, Md Mohaiminul, et autres
Publié: (2024)
ArtiMuse: Fine-Grained Image Aesthetics Assessment with Joint Scoring and Expert-Level Understanding
par: Cao, Shuo, et autres
Publié: (2025)
par: Cao, Shuo, et autres
Publié: (2025)
COCO-OLAC: A Benchmark for Occluded Panoptic Segmentation and Image Understanding
par: Wei, Wenbo, et autres
Publié: (2024)
par: Wei, Wenbo, et autres
Publié: (2024)
CaReBench: A Fine-Grained Benchmark for Video Captioning and Retrieval
par: Xu, Yifan, et autres
Publié: (2024)
par: Xu, Yifan, et autres
Publié: (2024)
IG Captioner: Information Gain Captioners are Strong Zero-shot Classifiers
par: Yang, Chenglin, et autres
Publié: (2023)
par: Yang, Chenglin, et autres
Publié: (2023)
Open-World Panoptic Segmentation
par: Sodano, Matteo, et autres
Publié: (2024)
par: Sodano, Matteo, et autres
Publié: (2024)
Depth-aware Panoptic Segmentation
par: Nguyen, Tuan, et autres
Publié: (2024)
par: Nguyen, Tuan, et autres
Publié: (2024)
Deeply Supervised Flow-Based Generative Models
par: Shin, Inkyu, et autres
Publié: (2025)
par: Shin, Inkyu, et autres
Publié: (2025)
Panoptic-SLAM: Visual SLAM in Dynamic Environments using Panoptic Segmentation
par: Abati, Gabriel Fischer, et autres
Publié: (2024)
par: Abati, Gabriel Fischer, et autres
Publié: (2024)
Task-aligned Part-aware Panoptic Segmentation through Joint Object-Part Representations
par: de Geus, Daan, et autres
Publié: (2024)
par: de Geus, Daan, et autres
Publié: (2024)
Towards Fine-Grained Human Motion Video Captioning
par: Song, Guorui, et autres
Publié: (2025)
par: Song, Guorui, et autres
Publié: (2025)
Panoptic-PHNet: Towards Real-Time and High-Precision LiDAR Panoptic Segmentation via Clustering Pseudo Heatmap
par: Li, Jinke, et autres
Publié: (2022)
par: Li, Jinke, et autres
Publié: (2022)
Documents similaires
-
COCONut: Modernizing COCO Segmentation
par: Deng, Xueqing, et autres
Publié: (2024) -
ViCaS: A Dataset for Combining Holistic and Pixel-level Video Understanding using Captions with Grounded Segmentation
par: Athar, Ali, et autres
Publié: (2024) -
PanDepth: Joint Panoptic Segmentation and Depth Completion
par: Lagos, Juan, et autres
Publié: (2022) -
Randomized Autoregressive Visual Generation
par: Yu, Qihang, et autres
Publié: (2024) -
A Simple Video Segmenter by Tracking Objects Along Axial Trajectories
par: He, Ju, et autres
Publié: (2023)