Buchumschlag

GuideDog: A Real-World Egocentric Multimodal Dataset for Blind and Low-Vision Accessibility-Aware Guidance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Junhyeok, Park, Jaewoo, Park, Junhee, Lee, Sangeyl, Chung, Jiwan, Kim, Jisung, Joung, Ji Hoon, Yu, Youngjae
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

Explain with Visual Keypoints Like a Real Mentor! A Benchmark for Multimodal Solution Explanation
von: Park, Jaewoo, et al.
Veröffentlicht: (2025)

Are Any-to-Any Models More Consistent Across Modality Transfers Than Specialists?
von: Chung, Jiwan, et al.
Veröffentlicht: (2025)

EgoSpeak: Learning When to Speak for Egocentric Conversational Agents in the Wild
von: Kim, Junhyeok, et al.
Veröffentlicht: (2025)

v1: Learning to Point Visual Tokens for Multimodal Grounded Reasoning
von: Chung, Jiwan, et al.
Veröffentlicht: (2025)

Speaking Beyond Language: A Large-Scale Multimodal Dataset for Learning Nonverbal Cues from Video-Grounded Dialogues
von: Kim, Youngmin, et al.
Veröffentlicht: (2025)

Teaching Metric Distance to Discrete Autoregressive Language Models
von: Chung, Jiwan, et al.
Veröffentlicht: (2025)

OpenCXD: An Open Real-Device-Guided Hybrid Evaluation Framework for CXL-SSDs
von: Chung, Hyunsun, et al.
Veröffentlicht: (2025)

A11YN: aligning LLMs for accessible web UI code generation
von: Yoon, Janghan, et al.
Veröffentlicht: (2025)

Background-Aware Defect Generation for Robust Industrial Anomaly Detection
von: Cho, Youngjae, et al.
Veröffentlicht: (2024)

Tracing Mathematical Proficiency Through Problem-Solving Processes
von: Park, Jungyang, et al.
Veröffentlicht: (2025)

Zero-shot Multimodal Document Retrieval via Cross-modal Question Generation
von: Choi, Yejin, et al.
Veröffentlicht: (2025)

Global Geometry Is Not Enough for Vision Representations
von: Chung, Jiwan, et al.
Veröffentlicht: (2026)

CompoDistill: Attention Distillation for Compositional Reasoning in Multimodal LLMs
von: Kim, Jiwan, et al.
Veröffentlicht: (2025)

CANVAS: Commonsense-Aware Navigation System for Intuitive Human-Robot Interaction
von: Choi, Suhwan, et al.
Veröffentlicht: (2024)

EgoXtreme: A Dataset for Robust Object Pose Estimation in Egocentric Views under Extreme Conditions
von: Yoon, Taegyoon, et al.
Veröffentlicht: (2026)

Floquet Chern Insulators and Radiation-Induced Zero Resistance in Irradiated Graphene
von: Kim, Youngjae, et al.
Veröffentlicht: (2025)

What MLLMs Learn about When they Learn about Multimodal Reasoning
von: Chung, Jiwan, et al.
Veröffentlicht: (2025)

Selective Vision is the Challenge for Visual Reasoning: A Benchmark for Visual Argument Understanding
von: Chung, Jiwan, et al.
Veröffentlicht: (2024)

Watermarking for Factuality: Guiding Vision-Language Models Toward Truth via Tri-layer Contrastive Decoding
von: Back, Kyungryul, et al.
Veröffentlicht: (2025)

EggHand: A Multimodal Foundation Model for Egocentric Hand Pose Forecasting
von: Choi, Jaeyoung, et al.
Veröffentlicht: (2026)

Object Aware Egocentric Online Action Detection
von: An, Joungbin, et al.
Veröffentlicht: (2024)

Structural characterization and bonding energy analysis for plasma-activated bonding of SiCN films: A reactive molecular dynamics study
von: Kim, Juheon, et al.
Veröffentlicht: (2025)

CALL: Context-Aware Low-Latency Retrieval in Disk-Based Vector Databases
von: Jeong, Yeonwoo, et al.
Veröffentlicht: (2025)

MASS: Overcoming Language Bias in Image-Text Matching
von: Chung, Jiwan, et al.
Veröffentlicht: (2025)

VisEscape: A Benchmark for Evaluating Exploration-driven Decision-making in Virtual Escape Rooms
von: Lim, Seungwon, et al.
Veröffentlicht: (2025)

OASIS: Object-based Analytics Storage for Intelligent SQL Query Offloading in Scientific Tabular Workloads
von: Hwang, Soon, et al.
Veröffentlicht: (2025)

Interpreting Attention Heads for Image-to-Text Information Flow in Large Vision-Language Models
von: Kim, Jinyeong, et al.
Veröffentlicht: (2025)

Adaptive Graph Rewiring to Mitigate Over-Squashing in Mesh-Based GNNs for Fluid Dynamics Simulations
von: Seo, Sangwoo, et al.
Veröffentlicht: (2025)

A Host-SSD Collaborative Write Accelerator for LSM-Tree-Based Key-Value Stores
von: Kim, KiHwan, et al.
Veröffentlicht: (2024)

STRAW: A Stress-Aware WL-Based Read Reclaim Technique for High-Density NAND Flash-Based SSDs
von: Chun, Myoungjun, et al.
Veröffentlicht: (2025)

SSG: Scaled Spatial Guidance for Multi-Scale Visual Autoregressive Generation
von: Shin, Youngwoo, et al.
Veröffentlicht: (2026)

EgoTraj: Real-World Egocentric Human Trajectory Dataset for Multimodal Prediction
von: Yehia, Ahmad, et al.
Veröffentlicht: (2026)

Multimodal Dataset Distillation Made Simple by Prototype-Guided Data Synthesis
von: Choi, Junhyeok, et al.
Veröffentlicht: (2026)

Safety-Guided Flow (SGF): A Unified Framework for Negative Guidance in Safe Generation
von: Kim, Mingyu, et al.
Veröffentlicht: (2026)

Coupling-Robust Accuracy in Multiphysics Physics Informed Neural Networks via Kronecker-Preconditioned Optimization
von: Park, Youngjae, et al.
Veröffentlicht: (2026)

Learning Where It Matters: Geometric Anchoring for Robust Preference Alignment
von: Cho, Youngjae, et al.
Veröffentlicht: (2026)

Disentangling and Generating Modalities for Recommendation in Missing Modality Scenarios
von: Kim, Jiwan, et al.
Veröffentlicht: (2025)

Ensuring Functional Correctness of Large Code Models with Selective Generation
von: Jeong, Jaewoo, et al.
Veröffentlicht: (2025)

Soft Surfaced Vision-Based Tactile Sensing for Bipedal Robot Applications
von: Kim, Jaeeun, et al.
Veröffentlicht: (2026)

Impacts of Innovation School System in Korea: A Latent Space Item Response Model with Neyman-Scott Point Process
von: Yi, Seorim, et al.
Veröffentlicht: (2023)