Buchumschlag

Learning to Generate Long-term Future Narrations Describing Activities of Daily Living

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rajendiran, Ramanathan, Roy, Debaditya, Fernando, Basura
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

Interaction Region Visual Transformer for Egocentric Action Anticipation
von: Roy, Debaditya, et al.
Veröffentlicht: (2022)

Modelling Spatio-Temporal Interactions For Compositional Action Recognition
von: Rajendiran, Ramanathan, et al.
Veröffentlicht: (2023)

Predicting the Next Action by Modeling the Abstract Goal
von: Roy, Debaditya, et al.
Veröffentlicht: (2022)

Effectively Leveraging CLIP for Generating Situational Summaries of Images and Videos
von: Verma, Dhruv, et al.
Veröffentlicht: (2024)

Learning to Reason Iteratively and Parallelly for Complex Visual Reasoning Scenarios
von: Jaiswal, Shantanu, et al.
Veröffentlicht: (2024)

Improving Temporal Action Segmentation via Constraint-Aware Decoding
von: Ee, Yeo Keat, et al.
Veröffentlicht: (2026)

Instruction-Evidence Contrastive Dual-Stream Decoding for Grounded Vision-Language Reasoning
von: Bangde, Yashwant Pravinrao, et al.
Veröffentlicht: (2026)

VOST-SGG: VLM-Aided One-Stage Spatio-Temporal Scene Graph Generation
von: Sugandhika, Chinthani, et al.
Veröffentlicht: (2025)

HMR3D: Hierarchical Multimodal Representation for 3D Scene Understanding with Large Vision-Language Model
von: Li, Chen, et al.
Veröffentlicht: (2025)

RCA: Region Conditioned Adaptation for Visual Abductive Reasoning
von: Zhang, Hao, et al.
Veröffentlicht: (2023)

Know-Show: Benchmarking Video-Language Models on Spatio-Temporal Grounded Reasoning
von: Sugandhika, Chinthani, et al.
Veröffentlicht: (2025)

Situational Scene Graph for Structured Human-centric Situation Understanding
von: Sugandhika, Chinthani, et al.
Veröffentlicht: (2024)

Cross-Modal Few-Shot Learning: a Generative Transfer Learning Framework
von: Yang, Zhengwei, et al.
Veröffentlicht: (2024)

GLaRE: A Graph-based Landmark Region Embedding Network for Emotion Recognition
von: Maji, Debasis, et al.
Veröffentlicht: (2025)

Learning to Visually Connect Actions and their Effects
von: Parmar, Paritosh, et al.
Veröffentlicht: (2024)

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

Inferring Past Human Actions in Homes with Abductive Reasoning
von: Tan, Clement, et al.
Veröffentlicht: (2022)

Generating Key Postures of Bharatanatyam Adavus with Pose Estimation
von: Kamble, Jagadish Kashinath, et al.
Veröffentlicht: (2026)

Mitigating Easy Option Bias in Multiple-Choice Question Answering
von: Zhang, Hao, et al.
Veröffentlicht: (2025)

Learning Long-term Motion Embeddings for Efficient Kinematics Generation
von: Stracke, Nick, et al.
Veröffentlicht: (2026)

Context-Aware Pesticide Recommendation via Few-Shot Pest Recognition for Precision Agriculture
von: Ghosh, Anirudha, et al.
Veröffentlicht: (2026)

LongLive: Real-time Interactive Long Video Generation
von: Yang, Shuai, et al.
Veröffentlicht: (2025)

VideoAuteur: Towards Long Narrative Video Generation
von: Xiao, Junfei, et al.
Veröffentlicht: (2025)

DescribeEarth: Describe Anything for Remote Sensing Images
von: Li, Kaiyu, et al.
Veröffentlicht: (2025)

Diagram-Driven Course Questions Generation
von: Zhang, Xinyu, et al.
Veröffentlicht: (2024)

SKI Models: Skeleton Induced Vision-Language Embeddings for Understanding Activities of Daily Living
von: Sinha, Arkaprava, et al.
Veröffentlicht: (2025)

From My View to Yours: Ego-to-Exo Transfer in VLMs for Understanding Activities of Daily Living
von: Reilly, Dominick, et al.
Veröffentlicht: (2025)

PovNet+: A Deep Learning Architecture for Socially Assistive Robots to Learn and Assist with Multiple Activities of Daily Living
von: Robinson, Fraser, et al.
Veröffentlicht: (2026)

A Reason-then-Describe Instruction Interpreter for Controllable Video Generation
von: Wu, Shengqiong, et al.
Veröffentlicht: (2025)

Lagrangian Motion Fields for Long-term Motion Generation
von: Yang, Yifei, et al.
Veröffentlicht: (2024)

Recognition of Daily Activities through Multi-Modal Deep Learning: A Video, Pose, and Object-Aware Approach for Ambient Assisted Living
von: Hashemifard, Kooshan, et al.
Veröffentlicht: (2026)

HoloCine: Holistic Generation of Cinematic Multi-Shot Long Video Narratives
von: Meng, Yihao, et al.
Veröffentlicht: (2025)

ADL4D: Towards A Contextually Rich Dataset for 4D Activities of Daily Living
von: Zakour, Marsil, et al.
Veröffentlicht: (2024)

Describe Anything in Medical Images
von: Xiao, Xi, et al.
Veröffentlicht: (2025)

An Attention Infused Deep Learning System with Grad-CAM Visualization for Early Screening of Glaucoma
von: Swaminathan, Ramanathan
Veröffentlicht: (2025)

ChainReaction: Causal Chain-Guided Reasoning for Modular and Explainable Causal-Why Video Question Answering
von: Parmar, Paritosh, et al.
Veröffentlicht: (2025)

LLAVIDAL: A Large LAnguage VIsion Model for Daily Activities of Living
von: Reilly, Dominick, et al.
Veröffentlicht: (2024)

Few-Shot Classification of Interactive Activities of Daily Living (InteractADL)
von: Durante, Zane, et al.
Veröffentlicht: (2024)

Controllable Long-term Motion Generation with Extended Joint Targets
von: Lee, Eunjong, et al.
Veröffentlicht: (2025)

NarrLV: Towards a Comprehensive Narrative-Centric Evaluation for Long Video Generation
von: Feng, X., et al.
Veröffentlicht: (2025)