Buchumschlag

M-LLM Based Video Frame Selection for Efficient Video Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Kai, Gao, Feng, Nie, Xiaohan, Zhou, Peng, Tran, Son, Neiman, Tal, Wang, Lingyun, Shah, Mubarak, Hamid, Raffay, Yin, Bing, Chilimbi, Trishul
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CoLLM: A Large Language Model for Composed Image Retrieval
von: Huynh, Chuong, et al.
Veröffentlicht: (2025)

DreamBlend: Advancing Personalized Fine-tuning of Text-to-Image Diffusion Models
von: Ram, Shwetha, et al.
Veröffentlicht: (2024)

X-Former: Unifying Contrastive and Reconstruction Learning for MLLMs
von: Swetha, Sirnam, et al.
Veröffentlicht: (2024)

Open Vocabulary Multi-Label Video Classification
von: Gupta, Rohit, et al.
Veröffentlicht: (2024)

VidLA: Video-Language Alignment at Scale
von: Rizve, Mamshad Nayeem, et al.
Veröffentlicht: (2024)

Dictionary-Aligned Concept Control for Safeguarding Multimodal LLMs
von: Luo, Jinqi, et al.
Veröffentlicht: (2026)

ViLL-E: Video LLM Embeddings for Retrieval
von: Gupta, Rohit, et al.
Veröffentlicht: (2026)

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

Attend Locally, Remember Linearly: Linear Attention as Cross-Frame Memory for Autoregressive Video Diffusion
von: Li, Kunyang, et al.
Veröffentlicht: (2026)

CompLLM: Compression for Long Context Q&A
von: Berton, Gabriele, et al.
Veröffentlicht: (2025)

Privacy Beyond Pixels: Latent Anonymization for Privacy-Preserving Video Understanding
von: Fioresi, Joseph, et al.
Veröffentlicht: (2025)

Evolutionary Contrastive Distillation for Language Model Alignment
von: Katz-Samuels, Julian, et al.
Veröffentlicht: (2024)

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

GIFT: Global Irreplaceability Frame Targeting for Efficient Video Understanding
von: Ma, Junpeng, et al.
Veröffentlicht: (2026)

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

TimeLogic: A Temporal Logic Benchmark for Video QA
von: Swetha, Sirnam, et al.
Veröffentlicht: (2025)

Improving LLM Video Understanding with 16 Frames Per Second
von: Li, Yixuan, et al.
Veröffentlicht: (2025)

From Play to Replay: Composed Video Retrieval for Temporally Fine-Grained Videos
von: Gupta, Animesh, et al.
Veröffentlicht: (2025)

Temporally Consistent Referring Video Object Segmentation with Hybrid Memory
von: Miao, Bo, et al.
Veröffentlicht: (2024)

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

AutoMixAlign: Adaptive Data Mixing for Multi-Task Preference Optimization in LLMs
von: Corrado, Nicholas E., et al.
Veröffentlicht: (2025)

LADDER: An Efficient Framework for Video Frame Interpolation
von: Shen, Tong, et al.
Veröffentlicht: (2024)

Q-Frame: Query-aware Frame Selection and Multi-Resolution Adaptation for Video-LLMs
von: Zhang, Shaojie, et al.
Veröffentlicht: (2025)

GAReT: Cross-view Video Geolocalization with Adapters and Auto-Regressive Transformers
von: Pillai, Manu S, et al.
Veröffentlicht: (2024)

VideoScan: Enabling Efficient Streaming Video Understanding via Frame-level Semantic Carriers
von: Li, Ruanjun, et al.
Veröffentlicht: (2025)

TimeMarker: A Versatile Video-LLM for Long and Short Video Understanding with Superior Temporal Localization Ability
von: Chen, Shimin, et al.
Veröffentlicht: (2024)

FrameDiT: Diffusion Transformer with Matrix Attention for Efficient Video Generation
von: Le, Minh Khoa, et al.
Veröffentlicht: (2026)

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

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

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

PackCache: A Training-Free Acceleration Method for Unified Autoregressive Video Generation via Compact KV-Cache
von: Li, Kunyang, et al.
Veröffentlicht: (2026)

Investigating Memorization in Video Diffusion Models
von: Chen, Chen, et al.
Veröffentlicht: (2024)

HFS: Holistic Query-Aware Frame Selection for Efficient Video Reasoning
von: Yang, Yiqing, et al.
Veröffentlicht: (2025)

GVD: Guiding Video Diffusion Model for Scalable Video Distillation
von: Li, Kunyang, et al.
Veröffentlicht: (2025)

VideoExpert: Augmented LLM for Temporal-Sensitive Video Understanding
von: Zhao, Henghao, et al.
Veröffentlicht: (2025)

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

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

CityGuessr: City-Level Video Geo-Localization on a Global Scale
von: Kulkarni, Parth Parag, et al.
Veröffentlicht: (2024)

Efficient Video Diffusion Models via Content-Frame Motion-Latent Decomposition
von: Yu, Sihyun, et al.
Veröffentlicht: (2024)

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