Buchumschlag

MaxInfo: A Training-Free Key-Frame Selection Method Using Maximum Volume for Enhanced Video Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Pengyi, Abdullaeva, Irina, Gambashidze, Alexander, Kuznetsov, Andrey, Oseledets, Ivan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Test-Time Reasoning Through Visual Human Preferences with VLMs and Soft Rewards
von: Gambashidze, Alexander, et al.
Veröffentlicht: (2025)

Listener-Rewarded Thinking in VLMs for Image Preferences
von: Gambashidze, Alexander, et al.
Veröffentlicht: (2025)

Back to Basics: Revisiting Exploration in Reinforcement Learning for LLM Reasoning via Generative Probabilities
von: Li, Pengyi, et al.
Veröffentlicht: (2026)

Confidence Is All You Need: Few-Shot RL Fine-Tuning of Language Models
von: Li, Pengyi, et al.
Veröffentlicht: (2025)

OmniFusion Technical Report
von: Goncharova, Elizaveta, et al.
Veröffentlicht: (2024)

From Frames to Clips: Training-free Adaptive Key Clip Selection for Long-Form Video Understanding
von: Sun, Guangyu, et al.
Veröffentlicht: (2025)

Enhancing Train-Free Infinite-Frame Generation for Consistent Long Videos
von: Feng, X., et al.
Veröffentlicht: (2026)

Training-Free Action Recognition and Goal Inference with Dynamic Frame Selection
von: Keat, Ee Yeo, et al.
Veröffentlicht: (2024)

CoMa: Contextual Massing Generation with Vision-Language Models
von: Maslov, Evgenii, et al.
Veröffentlicht: (2026)

KTV: Keyframes and Key Tokens Selection for Efficient Training-Free Video LLMs
von: Song, Baiyang, et al.
Veröffentlicht: (2026)

Tensor-Train Point Cloud Compression and Efficient Approximate Nearest-Neighbor Search
von: Novikov, Georgii, et al.
Veröffentlicht: (2024)

MindShift: Analyzing Language Models' Reactions to Psychological Prompts
von: Vasiliuk, Anton, et al.
Veröffentlicht: (2025)

Event-Anchored Frame Selection for Effective Long-Video Understanding
von: Chen, Wang, et al.
Veröffentlicht: (2026)

M-LLM Based Video Frame Selection for Efficient Video Understanding
von: Hu, Kai, et al.
Veröffentlicht: (2025)

Adaptive Greedy Frame Selection for Long Video Understanding
von: Huang, Yuning, et al.
Veröffentlicht: (2026)

Frame Guidance: Training-Free Guidance for Frame-Level Control in Video Diffusion Models
von: Jang, Sangwon, et al.
Veröffentlicht: (2025)

KFS-Bench: Comprehensive Evaluation of Key Frame Sampling in Long Video Understanding
von: Li, Zongyao, et al.
Veröffentlicht: (2025)

From Captions to Keyframes: KeyScore for Multimodal Frame Scoring and Video-Language Understanding
von: Lin, Shih-Yao, et al.
Veröffentlicht: (2025)

Aligning Diffusion Models with Noise-Conditioned Perception
von: Gambashidze, Alexander, et al.
Veröffentlicht: (2024)

Efficient Distribution Matching of Representations via Noise-Injected Deep InfoMax
von: Butakov, Ivan, et al.
Veröffentlicht: (2024)

DynImg: Key Frames with Visual Prompts are Good Representation for Multi-Modal Video Understanding
von: Bao, Xiaoyi, et al.
Veröffentlicht: (2025)

Think-Clip-Sample: Slow-Fast Frame Selection for Video Understanding
von: Tan, Wenhui, et al.
Veröffentlicht: (2026)

Wavelet-based Frame Selection by Detecting Semantic Boundary for Long Video Understanding
von: Chen, Wang, et al.
Veröffentlicht: (2026)

DiffuseSlide: Training-Free High Frame Rate Video Generation Diffusion
von: Hwang, Geunmin, et al.
Veröffentlicht: (2025)

Frame by Familiar Frame: Understanding Replication in Video Diffusion Models
von: Rahman, Aimon, et al.
Veröffentlicht: (2024)

NoReGeo: Non-Reasoning Geometry Benchmark
von: Abdullaeva, Irina, et al.
Veröffentlicht: (2026)

Weak-to-Strong 3D Object Detection with X-Ray Distillation
von: Gambashidze, Alexander, et al.
Veröffentlicht: (2024)

FRAG: Frame Selection Augmented Generation for Long Video and Long Document Understanding
von: Huang, De-An, et al.
Veröffentlicht: (2025)

ESQA: Event Sequences Question Answering
von: Abdullaeva, Irina, et al.
Veröffentlicht: (2024)

Latent Inter-Frame Pruning: A Training-Free Method Bridging Traditional Video Compression and Modern Diffusion Transformers for Efficient Generation
von: Menn, Dennis, et al.
Veröffentlicht: (2026)

Shot-Aware Frame Sampling for Video Understanding
von: Zhao, Mengyu, et al.
Veröffentlicht: (2026)

One Token per Highly Selective Frame: Towards Extreme Compression for Long Video Understanding
von: Zhang, Zheyu, et al.
Veröffentlicht: (2026)

Graph-to-Frame RAG: Visual-Space Knowledge Fusion for Training-Free and Auditable Video Reasoning
von: Yang, Songyuan, et al.
Veröffentlicht: (2026)

Speech-to-LaTeX: New Models and Datasets for Converting Spoken Equations and Sentences
von: Korzh, Dmitrii, et al.
Veröffentlicht: (2025)

ViKey: Enhancing Temporal Understanding in Videos via Visual Prompting
von: Lee, Yeonkyung, et al.
Veröffentlicht: (2026)

Generative Frame Sampler for Long Video Understanding
von: Yao, Linli, et al.
Veröffentlicht: (2025)

Divide, then Ground: Adapting Frame Selection to Query Types for Long-Form Video Understanding
von: Li, Jialuo, et al.
Veröffentlicht: (2025)

Spread them Apart: Towards Robust Watermarking of Generated Content
von: Pautov, Mikhail, et al.
Veröffentlicht: (2025)

Chain-of-Frames: Advancing Video Understanding in Multimodal LLMs via Frame-Aware Reasoning
von: Ghazanfari, Sara, et al.
Veröffentlicht: (2025)

Geological Field Restoration through the Lens of Image Inpainting
von: Trifonov, Vladislav, et al.
Veröffentlicht: (2025)