Capturing Rich Behavior Representations: A Dynamic Action Semantic-Aware Graph Transformer for Video Captioning
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Liu, Caihua, Li, Xu, Xue, Wenjing, Tang, Wei, Feng, Xia |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Learning Transferable Facial Emotion Representations from Large-Scale Semantically Rich Captions
par: Sun, Licai, et autres
Publié: (2025)
par: Sun, Licai, et autres
Publié: (2025)
Progress-Aware Video Frame Captioning
par: Xue, Zihui, et autres
Publié: (2024)
par: Xue, Zihui, et autres
Publié: (2024)
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)
Static-Dynamic Class-level Perception Consistency in Video Semantic Segmentation
par: Cen, Zhigang, et autres
Publié: (2024)
par: Cen, Zhigang, et autres
Publié: (2024)
Vision-based 3D Semantic Scene Completion via Capture Dynamic Representations
par: Wang, Meng, et autres
Publié: (2025)
par: Wang, Meng, et autres
Publié: (2025)
TimeChat-Captioner: Scripting Multi-Scene Videos with Time-Aware and Structural Audio-Visual Captions
par: Yao, Linli, et autres
Publié: (2026)
par: Yao, Linli, et autres
Publié: (2026)
Semantic-Spatial Feature Fusion with Dynamic Graph Refinement for Remote Sensing Image Captioning
par: Liu, Maofu, et autres
Publié: (2025)
par: Liu, Maofu, et autres
Publié: (2025)
Explicit Temporal-Semantic Modeling for Dense Video Captioning via Context-Aware Cross-Modal Interaction
par: Jia, Mingda, et autres
Publié: (2025)
par: Jia, Mingda, et autres
Publié: (2025)
DEVICE: Depth and Visual Concepts Aware Transformer for OCR-based Image Captioning
par: Xu, Dongsheng, et autres
Publié: (2023)
par: Xu, Dongsheng, et autres
Publié: (2023)
Set Prediction Guided by Semantic Concepts for Diverse Video Captioning
par: Lu, Yifan, et autres
Publié: (2023)
par: Lu, Yifan, et autres
Publié: (2023)
SGCap: Decoding Semantic Group for Zero-shot Video Captioning
par: Pan, Zeyu, et autres
Publié: (2025)
par: Pan, Zeyu, et autres
Publié: (2025)
HiSem: Hierarchical Semantic Disentangling for Remote Sensing Image Change Captioning
par: Wang, Man, et autres
Publié: (2026)
par: Wang, Man, et autres
Publié: (2026)
Sali4Vid: Saliency-Aware Video Reweighting and Adaptive Caption Retrieval for Dense Video Captioning
par: Jeon, MinJu, et autres
Publié: (2025)
par: Jeon, MinJu, et autres
Publié: (2025)
Dense Video Captioning Using Unsupervised Semantic Information
par: Estevam, Valter, et autres
Publié: (2021)
par: Estevam, Valter, et autres
Publié: (2021)
Retrieval-Augmented Egocentric Video Captioning
par: Xu, Jilan, et autres
Publié: (2024)
par: Xu, Jilan, et autres
Publié: (2024)
Caption Anything in Video: Fine-grained Object-centric Captioning via Spatiotemporal Multimodal Prompting
par: Tang, Yunlong, et autres
Publié: (2025)
par: Tang, Yunlong, et autres
Publié: (2025)
Capturing Context-Aware Route Choice Semantics for Trajectory Representation Learning
par: Cao, Ji, et autres
Publié: (2025)
par: Cao, Ji, et autres
Publié: (2025)
Video-Language Alignment via Spatio-Temporal Graph Transformer
par: Zhang, Shi-Xue, et autres
Publié: (2024)
par: Zhang, Shi-Xue, et autres
Publié: (2024)
ShareGPT4Video: Improving Video Understanding and Generation with Better Captions
par: Chen, Lin, et autres
Publié: (2024)
par: Chen, Lin, et autres
Publié: (2024)
GesVLA: Gesture-Aware Vision-Language-Action Model Embedded Representations
par: Guo, Wenxuan, et autres
Publié: (2026)
par: Guo, Wenxuan, et autres
Publié: (2026)
Technical Report for Soccernet 2023 -- Dense Video Captioning
par: Ruan, Zheng, et autres
Publié: (2024)
par: Ruan, Zheng, et autres
Publié: (2024)
A Semantic and Motion-Aware Spatiotemporal Transformer Network for Action Detection
par: Korban, Matthew, et autres
Publié: (2024)
par: Korban, Matthew, et autres
Publié: (2024)
SAVE: Speech-Aware Video Representation Learning for Video-Text Retrieval
par: Zhao, Ruixiang, et autres
Publié: (2026)
par: Zhao, Ruixiang, et autres
Publié: (2026)
Chirality in Action: Time-Aware Video Representation Learning by Latent Straightening
par: Bagad, Piyush, et autres
Publié: (2025)
par: Bagad, Piyush, et autres
Publié: (2025)
HabitAction: A Video Dataset for Human Habitual Behavior Recognition
par: Li, Hongwu, et autres
Publié: (2024)
par: Li, Hongwu, et autres
Publié: (2024)
SemanticDialect: Semantic-Aware Mixed-Format Quantization for Video Diffusion Transformers
par: Jang, Wonsuk, et autres
Publié: (2026)
par: Jang, Wonsuk, et autres
Publié: (2026)
UltraVideo: High-Quality UHD Video Dataset with Comprehensive Captions
par: Xue, Zhucun, et autres
Publié: (2025)
par: Xue, Zhucun, et autres
Publié: (2025)
Video Summarization: Towards Entity-Aware Captions
par: Ayyubi, Hammad A., et autres
Publié: (2023)
par: Ayyubi, Hammad A., et autres
Publié: (2023)
UGC-VideoCaptioner: An Omni UGC Video Detail Caption Model and New Benchmarks
par: Wu, Peiran, et autres
Publié: (2025)
par: Wu, Peiran, et autres
Publié: (2025)
Addressing the ID-Matching Challenge in Long Video Captioning
par: Yang, Zhantao, et autres
Publié: (2025)
par: Yang, Zhantao, et autres
Publié: (2025)
From Abstraction to Instantiation: Learning Behavioral Representation for Vision-Language-Action Model
par: Hu, Bing, et autres
Publié: (2026)
par: Hu, Bing, et autres
Publié: (2026)
HowToCaption: Prompting LLMs to Transform Video Annotations at Scale
par: Shvetsova, Nina, et autres
Publié: (2023)
par: Shvetsova, Nina, et autres
Publié: (2023)
GLaVE-Cap: Global-Local Aligned Video Captioning with Vision Expert Integration
par: Xu, Wan, et autres
Publié: (2025)
par: Xu, Wan, et autres
Publié: (2025)
Dense Video Captioning using Graph-based Sentence Summarization
par: Zhang, Zhiwang, et autres
Publié: (2025)
par: Zhang, Zhiwang, et autres
Publié: (2025)
Patch as Node: Human-Centric Graph Representation Learning for Multimodal Action Recognition
par: Liang, Zeyu, et autres
Publié: (2025)
par: Liang, Zeyu, et autres
Publié: (2025)
Modeling Multiple Normal Action Representations for Error Detection in Procedural Tasks
par: Huang, Wei-Jin, et autres
Publié: (2025)
par: Huang, Wei-Jin, et autres
Publié: (2025)
LFS: Learnable Frame Selector for Event-Aware and Temporally Diverse Video Captioning
par: Chao, Lianying, et autres
Publié: (2026)
par: Chao, Lianying, et autres
Publié: (2026)
AVC-DPO: Aligned Video Captioning via Direct Preference Optimization
par: Tang, Jiyang, et autres
Publié: (2025)
par: Tang, Jiyang, et autres
Publié: (2025)
HAFormer: Unleashing the Power of Hierarchy-Aware Features for Lightweight Semantic Segmentation
par: Xu, Guoan, et autres
Publié: (2024)
par: Xu, Guoan, et autres
Publié: (2024)
VCapsBench: A Large-scale Fine-grained Benchmark for Video Caption Quality Evaluation
par: Zhang, Shi-Xue, et autres
Publié: (2025)
par: Zhang, Shi-Xue, et autres
Publié: (2025)
Documents similaires
-
Learning Transferable Facial Emotion Representations from Large-Scale Semantically Rich Captions
par: Sun, Licai, et autres
Publié: (2025) -
Progress-Aware Video Frame Captioning
par: Xue, Zihui, et autres
Publié: (2024) -
Scene Graph-guided SegCaptioning Transformer with Fine-grained Alignment for Controllable Video Segmentation and Captioning
par: Zhang, Xu, et autres
Publié: (2026) -
Static-Dynamic Class-level Perception Consistency in Video Semantic Segmentation
par: Cen, Zhigang, et autres
Publié: (2024) -
Vision-based 3D Semantic Scene Completion via Capture Dynamic Representations
par: Wang, Meng, et autres
Publié: (2025)